AG Real y binario

1. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010
REPRESENTACIÓN REAL 1
La tabla muestra las diferencias obtenidas entre las posiciones reales y las obtenidas en promedio,
también la diferencia entre los mínimos reales y obtenidos en promedio de las 10 corridas. El Error
mínimo es la diferencia entre el Mínimo real y la Media (segunda columna). El Error posición es la
diferencia de las posiciones reales y las obtenidas con el GA. La Distancia Euclidiana es la
diferencia exacta entre las posiciones y se obtiene aplicando la fórmula en las columnas de Error
posición. La fórmula aplicada la Distancia euclidiana es: .
Nota: Esta descripción es la misma para la tabla de representación binaria.
Parámetros del GA:
 Set population size: popsize=200;
 Set mutation rate: mutrate=0.2;
 Fraction of population kept: selection=0.5;
GRÁFICAS DE ERROR
Las gráficas representan los datos del comportamiento del mejor individuo para cada función en
sus 100 generaciones.
Instituto Tecnológico de Tijuana | Computación Evolutiva

2. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010
2
Instituto Tecnológico de Tijuana | Computación Evolutiva

3. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010
3
Instituto Tecnológico de Tijuana | Computación Evolutiva

4. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010
REPRESENTACIÓN BINARIA 4
Parámetros del GA:
 Set population size: popsize=200;
 Set mutation rate: mutrate=0.15;
 Fraction of population kept: selection=0.5;
 Number of bits in each parameter: bits=32;
GRÁFICAS DE ERROR
Las gráficas representan los datos del comportamiento del mejor individuo para cada función en
sus 100 generaciones.
Instituto Tecnológico de Tijuana | Computación Evolutiva

5. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010
5
Instituto Tecnológico de Tijuana | Computación Evolutiva

6. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010
6
Instituto Tecnológico de Tijuana | Computación Evolutiva

7. [OPTIMIZACION DE FUNCIONES] 7 de mayo de 2010
CONCLUSIONES 7
Se utilizaron dos algoritmos hechos en Matlab del libro Practical Genetic Algorithms (Haupt &
Haupt) y se obtuvieron los resultados mostrados en las tablas.
Para las funciones 7 y 13, funciono mejor la representación con números reales, la distancia
euclidiana es menor, especialmente en la función 7, es mucho menor. En los casos de las funciones
4, 12 y 13 la representación binaria mostró mejores resultados, aunque la diferencia entre una y
otra representación no es considerable.
Un caso especial es de la función 9, el comportamiento en la grafica es muy diferente. En la
representación binaria tiene uniformidad, en la representación real los puntos se dispersan en el
área, no tengo idea de las razones de esos resultados en el fitness.
En ambos casos la población fue de 200 individuos y las diferencias en los resultados finales no
muestra en claro cuál puede ser mejor, sin embargo, de acuerdo a los datos puedo decir que la
representación binaria es relativamente mejor.
Los mínimos en ambas representaciones se acercaron bastante al real, por esto el error mínimo no
tiene una diferencia considerable.
En base a los datos puedo afirmar que es mejor utilizar representación binaria, arroja mejores
resultados si se requiere mayor exactitud en estos casos particulares de funciones.
Instituto Tecnológico de Tijuana | Computación Evolutiva