Adaptación del tamaño de la población

Con lo mencionado se espera destacar la importancia de realizar una correcta asignación del tamaño de la población, muchos trabajos de investigación han tratado de manejarlo de diversas maneras. Lobo, en su tesis de doctorado escrita el año 2000 con el título de “Algoritmo genético sin parámetros: Selección de parámetros racionales y automatizados para un funcionamiento simplificado”, considera la asignación como un problema de toma de decisión estadística en el cual se buscan ecuaciones que determinen el tamaño de la población de acuerdo a la dimensión y al número de bloques útiles inherentes al problema. Se han diseñado estrategias de incremento de tamaño de la población basados en criterios de tiempo de vida, especialmente en el artículo escrito el año 1994 por los investigadores Arabas, Michalewicz y Mulawka titulado “GAVAPS: Algoritmo genético con tamaño de población variable”. Se han diseñado también mecanismos que permiten al algoritmo la reproducción o competencia entre individuos de acuerdo al nivel de recursos de los que dispone, esto se puede observar en el artículo escrito por Schlierkamp-Voosen y Mühlenbein el año 1994 titulado “Estrategia adaptativa mediante competencia de sub-poblaciones”. Las técnicas que han presentado un mejor desempeño son las llamadas de “adaptación de parámetros”, en las cuales se ha tratado de eliminar el proceso de selección, mediante la adaptación del parámetro al mismo tiempo que el algoritmo genético está siendo ejecutado. Los conceptos “edad y tiempo de vida” y “competencia entre poblaciones” han sido los más utilizados para este proceso. Fernando Lobo y Claudio Lima, en el artículo escrito el año 2005 titulado “Una revisión de los esquemas adaptativos del tamaño de la población en algoritmos genéticos”, presentan un resumen de los principales esquemas de adaptación del tamaño de la población: (1) Algoritmo genético con tamaño de población variable. Fue propuesto por Arabas, Michalewicz, y Mulawka, en el artículo citado anteriormente, utilizando el concepto de edad y tiempo de vida. Cuando se crea la primera generación de individuos, para cada uno de ellos es asignada una edad cero, haciendo referencia al nacimiento del individuo. Cada vez que se llega a una nueva generación la edad aumenta. Al mismo tiempo que se crea un individuo se le asigna un tiempo de vida, que representa cuánto tiempo vivirá el individuo dentro de la población, cuando su edad llegue a un tiempo de vida límite, morirá. En cada generación se escoge a los individuos que se utilizarán para generar nuevos individuos, a los cuales también se les asigna un tiempo de vida. El tiempo de vida depende de la comparación entre la adaptabilidad del individuo y el promedio de adaptabilidad de la población, así, si un individuo tiene mejor valor en su función de adaptabilidad tendrá mayor tiempo de vida, dándole mayor posibilidad de generar nuevos individuos. (2) Estrategia de adaptación por competencia de sub-poblaciones. Schlierkamp-Voosen y Mühlenbein el año 1994, en el artículo mencionado anteriormente, propusieron un esquema en el cual la población se divide en varias sub-poblaciones, las cuales compiten entre sí por un recurso, como lo hacen las especies reales por recursos como alimento. La competición se simula evolucionando por separado cada una de las poblaciones, esta evolución se realiza con un algoritmo de búsqueda diferente para cada población. Cada cierto tiempo las poblaciones compiten entre sí, la población con el mejor valor de adaptación aumenta su población, mientras las otras lo disminuyen. Durante todo el proceso de evolución, la suma de los tamaños de población de todas las sub–poblaciones es constante. En 1996, los autores extendieron este esquema agregándole un factor de consumo a cada población, esto con la idea que cada algoritmo trabaja mejor con diferentes tamaños de población. Hinterding, Michalewicz, y Peachey, proponen el Algoritmo Genético Auto Adaptativo, donde se describe un esquema de adaptación del tamaño de la población, en el cual existen tres poblaciones diferentes, las cuales son inicializadas con tamaño de población diferente y además utilizan un algoritmo genético diferente para cada una de estas poblaciones. El mejor valor de adaptación de cada población es utilizado como criterio de ajuste del tamaño de la población utilizando unas reglas globales, las cuales analizan las tres poblaciones y dependiendo del mejor valor de adaptación de cada población se realiza el crecimiento o reducción del tamaño de cada una de las poblaciones. (3) Algoritmo genético sin parámetros. Harik y Lobo, el año 1999 en el artículo titulado “Un algoritmo genético sin parámetros” proponen un nuevo algoritmo en el cual los parámetros de razón de selección y probabilidad de apareamiento son afinados con valores numéricos adecuados a dichos parametros, el operador genético de mutación no es utilizado por los autores, ellos dedican su mayor esfuerzo en encontrar una estrategia para asignar el tamaño de la población, esta estrategia consiste en simular un continuo crecimiento del tamaño de población en busca del tamaño adecuado, estableciendo múltiples poblaciones de varios tamaños, las poblaciones están en diferentes estados de evolución en un momento dado, así cada una estas poblaciones estaría en un número de generación diferente. La creación y eliminación de poblaciones está controlada por un supervisor de promedios de función de adaptabilidad, el cual utiliza esta información para seleccionar el tamaño de población adecuado para el algoritmo.