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!!