Upload
yuliana
View
355
Download
0
Tags:
Embed Size (px)
Citation preview
Instituto Tecnológico de Tijuana
Maestría en Ciencias ComputacionalesComputación Evolutiva
Métodos de Selección y Reemplazo
Integrantes: Martínez Marroquín Manuel Aurelio
Martínez Ramos Yuliana Sarai
Catedrático: Dr. Leonardo Trujillo
1
Selección
2
Selección
3
La selección es el componente que determina demanera mas importante las características delproceso de búsqueda.
• Asigna oportunidades reproductivas a cadaorganismo de la población.
• Mientras más apto sea un organismo (valor defitness mas alto), mas veces será seleccionado parareproducirse.
• Afecta el proceso de búsqueda.
– Selección muy fuerte: organismos de altofitness que son subóptimos puede tomar lapoblación, disminuyendo diversidad necesariapara progreso.
– Selección muy débil: evolución muy lenta.
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
4
Mecanismos de Selecciónde Padres
Mecanismo de Selecciónde supervivencia
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Métodos de Selección
5
• Selección Proporcional
• Selección por Rango
• Selección por Torneo• Selección Escalada
• Selección Elitista
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Selección Proporcional
6
• El número de veces que un individuo con fitness fi es seleccionado es:
Los mejores individuos tienen:
• Mas oportunidad de ser elegidos
•Mas espacio en la ruleta
f
f i
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Selección Proporcional
7
• Método mas común de implementarlo: Rueda de la ruleta
• Produce errores de muestreo dado los tamaños de población usados (número actual de seleccionados se aleja del valor esperado).
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Selección por Rango
8
En este método a cada cromosoma se le asigna un rangonumérico basado en su aptitud y la selección se realizaen base a este ranking.
La ventaja de este método es que puede evitar queindividuos muy aptos ganen dominancia al principio aexpensas de los menos aptos, lo que reduciría ladiversidad genética de la población y podría obstaculizarla búsqueda de una solución aceptable.
Se tiene una selección mas rica que la de Ruleta.
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Selección por Torneo
9
• Seleccionar k individuos sin reemplazo
• Tomar el mejor
(k es llamado el tamaño del torneo)
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Selección Escalada
10
• Al incrementarse la aptitud media de la población, lafuerza de la presión selectiva también aumenta y lafunción de aptitud se hace más discriminadora.
• Este método puede ser útil para seleccionar más tarde,cuando todos los individuos tengan una aptitudrelativamente alta y sólo les distingan pequeñasdiferencias en la aptitud.
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Selección Elitista
11
Aquí se garantiza la selección de los miembros más aptos de
cada generación.
La mayoría de los GA’s no utilizan elitismo puro, sino que usan
una forma modificada, o algunos de los mejores, son copiados
hacia la siguiente generación en caso de que no surja nada
mejor.
• Este método de selección copia el mejor cromosoma o
alguno de los mejores en la nueva población.
• El elitismo puede mejorar el funcionamiento de los
algoritmos genéticos al evitar que se pierda la mejor
solución.
• Una variación del elitismo es que el mejor cromosoma solo
se copie a la siguiente generación en caso de que tras una
reproducción/mutación no se haya generado un romosoma
mejor.
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
•
Reemplazo
12
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Reemplazo
13
• Generacional: toda la población esreemplazada en cada generación
• Estado – Estacionario (steady – state): Solopocos individuos son reemplazados cadageneración (típicamente uno o dos)
• Gap Genracional: Entre los dos esquemasanteriores, se define un porcentaje (gap) delos individuos que serán reemplazados cadageneración
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
•
Criterios de terminación
14
Title
• 10.Algebra de Boole
• 10.4. Minimización de Circuitos
• 11. Modelos Computacionales
• 11.1 Lenguajes y gramáticas
Criterios de Terminación
15
• Número fijo de generaciones o evaluaciones
• Considerando medidas de diversidad en la población.
• Cuando se alcance el óptimo (si es conocido)
• Luego de varias generaciones sin ningunamejora.
• Luego de un tiempo de computo fijo.
16
Referencias:Introduction of Evolutionary Computing
A.E. Eiben J.E. Smith Springer
Introduccion a la Computacion Evolutivahttp: //delta.cs.cinvestav.mx/~ccoello 2009
http://es.wikipedia.org/wiki/Selecci%C3%B3n_%28computaci%C3%B3n_evolutiva%29
Gracias por su atencion!!