Algoritmo genético simple (SGA)

Requisito previo: algoritmo genético

Introducción :

El algoritmo genético simple (SGA) es uno de los tres tipos de estrategias seguidas en el algoritmo genético.

1. SGA comienza con la creación de una población inicial de tamaño N.
2. Luego, evaluamos la bondad/adecuación de cada una de las soluciones/individuos.

Después de eso, se verifica el criterio de convergencia, si se cumple, convergemos el algoritmo; de lo contrario, vamos a los siguientes pasos:

1. Seleccione Np individuos de la población anterior.
2. Crea el grupo de apareamiento al azar.
3. Realizar cruce .
4. Realizar mutación en soluciones descendientes.
5. Realizar inversión en soluciones descendientes.
6. Reemplace las soluciones antiguas de la última generación con las soluciones recién creadas y vaya al paso (2).

Parámetros importantes al resolver problemas en Algoritmo genético simple: 

1. Población inicial N
2. Tamaño del grupo de apareamiento Np
3. Umbral de convergencia
4. Transversal
5. Mutación
6. inversión

Características :

• Costoso computacionalmente
• Sesgado hacia individuos más aptos
• Funciona bien cuando la población inicial es lo suficientemente grande.

Aplicaciones:

• Aprendizaje del comportamiento de los robots mediante el algoritmo genético simple.
• En la industria financiera.
• Redes neuronales.
• Aplicaciones de computación suave como lógica difusa, neurocomputación.
• Problemas de optimización.