Evolución en tu código Entendiendo y programando un algoritmo genético desde cero – Parte 1

Evolución en tu código - Algoritmo genético desde cero - Parte 1

Entendiendo y Creando el Código desde Cero

Introducción – La Inspiración detrás del Algoritmo

Foto de Johannes Plenio en Unsplash

¿Alguna vez has mirado la naturaleza y te has preguntado cómo los organismos evolucionaron, se adaptaron y sobrevivieron a lo largo de milenios? ¿Qué tal si te dijera que tú, sentado frente a tu computadora, tienes el poder de simular un proceso similar de evolución, no en milenios, sino en segundos? Esto es, por supuesto, a través de algoritmos genéticos.

El concepto de “algoritmo genético” (GA) ha existido desde la década de 1960, cuando John Holland en la Universidad de Michigan lo descubrió.

El viaje de Holland no comenzó intentando replicar la evolución en las computadoras. En cambio, su objetivo era comprender por qué y cómo los sistemas naturales podrían mostrar una adaptabilidad inherente. Sus estudios culminaron en la creación de sistemas clasificadores, un sistema estructurado de aprendizaje automático que podría evolucionar con el tiempo.

Ahora, es posible que te estés preguntando, “¿No es eso aprendizaje automático?” Bueno, sí y no. Si bien los sistemas clasificadores exhiben un comportamiento de “aprendizaje”, son bastante diferentes de lo que normalmente asociaríamos con el aprendizaje automático moderno. Los sistemas clasificadores funcionan creando, mezclando y probando un conjunto de reglas. Con el tiempo, las reglas exitosas (aquellas que ayudan al sistema a funcionar mejor) se refuerzan, mientras que las menos efectivas se eliminan. Todo el proceso es análogo al de la evolución.

Aunque inicialmente se usaba para resolver problemas matemáticos abstractos, pronto se reconoció la efectividad de los GAs para resolver problemas complejos, convirtiéndolos en uno de los algoritmos más utilizados para resolver problemas de optimización incluso complicados.

En esta serie, resolveremos el problema de la mochila utilizando los principios de los algoritmos genéticos.

El Problema de la Mochila: El Dilema del Viajero

El problema de la mochila es un famoso problema combinatorio que a menudo se utiliza como ejemplo de optimización.

Imagina que te estás preparando para unas vacaciones en el extranjero. Tu aerolínea tiene un estricto límite de peso para el equipaje, y excederlo será costoso. Tu maleta puede llevar una variedad de…

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Inteligencia Artificial Explicativa (IAE)

Hola, tecnófilos y mentes curiosas. Bienvenidos al próximo capítulo del libro de Inteligencia Artificial. Adentrémono...

Inteligencia Artificial

Últimos avances en el campo de la IA multimodal (ChatGPT + DALLE 3) + (Google BARD + extensiones) y muchos más…

La IA multimodal es un campo de la Inteligencia Artificial (IA) que combina diferentes tipos de datos (modalidades), ...

Inteligencia Artificial

Destacar el texto mientras se está hablando utilizando Amazon Polly

Amazon Polly es un servicio que convierte texto en habla realista. Permite el desarrollo de una amplia gama de aplica...

Inteligencia Artificial

Este boletín de inteligencia artificial es todo lo que necesitas #57

En el mundo de la IA esta semana, las evaluaciones de rendimiento del modelo LLM fueron un tema de enfoque. En partic...

Inteligencia Artificial

La IA está haciendo que la política sea más fácil, más barata y más peligrosa

Los votantes ya están viendo materiales de campaña generados por IA, y probablemente no lo saben.