Question 1

¿En qué se diferencia un algoritmo genético del descenso de gradiente?

Accepted Answer

El descenso de gradiente requiere que la función de aptitud (pérdida) sea diferenciable y navega hacia óptimos locales siguiendo la dirección del gradiente. Tiene dificultades con funciones discontinuas, funciones con muchos mínimos locales y problemas cuyas soluciones no pueden representarse de forma natural como vectores continuos. Los algoritmos genéticos no hacen suposiciones sobre el paisaje de aptitud: pueden manejar representaciones discretas, funciones discontinuas y ruidosas, y paisajes multimodales con muchos óptimos locales. Los AG exploran muchas regiones del espacio de búsqueda simultáneamente a través de su población, sacrificando la eficiencia del descenso de gradiente a cambio de una mayor robustez frente a paisajes complejos.

Question 2

¿Qué es el teorema de esquemas y por qué es importante?

Accepted Answer

El teorema de esquemas de Holland ofrece una explicación teórica de por qué funcionan los algoritmos genéticos. Un esquema es un patrón que coincide con un subconjunto de cromosomas (por ejemplo, 1**0* coincide con todas las cadenas de 5 bits que empiezan con 1 y tienen 0 en la posición 4). El teorema establece que los esquemas con una aptitud superior a la media, una longitud de definición corta (bits cercanos entre sí) y un orden bajo (pocos bits fijos) reciben una representación creciente de forma exponencial a lo largo de las generaciones. Esta Hipótesis de los Bloques de Construcción sugiere que los AG buscan y combinan implícitamente patrones cortos, de bajo orden y alta aptitud —los bloques de construcción de las buenas soluciones— aunque no se programe ninguna búsqueda explícita de dichos bloques.

Question 3

¿Qué es el equilibrio entre exploración y explotación en los algoritmos genéticos?

Accepted Answer

La exploración significa buscar regiones nuevas y no visitadas del espacio de soluciones (manteniendo la diversidad); la explotación significa refinar las mejores soluciones encontradas hasta el momento (convergiendo). Una tasa de mutación alta y una presión de selección baja aumentan la exploración; una mutación baja y una presión de selección alta aumentan la explotación. Demasiada explotación provoca una convergencia prematura: la población converge en un óptimo local antes de que se encuentre el óptimo global. Demasiada exploración impide converger hacia cualquier buena solución. Los AG adaptativos ajustan la tasa de mutación según métricas de diversidad, y las técnicas de nicho (reparto de aptitud, hacinamiento) mantienen múltiples subpoblaciones diversas explorando simultáneamente diferentes picos de aptitud.

🧬 Evolución Genética — Selección Natural

¿Qué encontraste?