¿Puede alguien explicarme las ventajas del algoritmo genético frente a otros métodos tradicionales de búsqueda y optimización?
Las principales razones para utilizar un algoritmo genético son:
Un gran número de parámetros puede ser un problema para los métodos basados en derivadas cuando no se tiene la definición del gradiente. En este tipo de situación, se puede encontrar una solución no terrible mediante AG y luego mejorarla con el método basado en derivadas. La definición de "grande" aumenta constantemente.
+1. Antes me encantaban los GA, pero ahora tiendo a evitarlos. Me parece que pasaron por una fase de exageración, inspiraron un montón de métodos análogos a la naturaleza (ACO, etc.) y luego se desvanecieron en un nicho. Algo así como las redes neuronales, en mi opinión. (Dicho esto, he utilizado ES recientemente).
Los algoritmos genéticos difieren de los métodos tradicionales de búsqueda y optimización en cuatro puntos significativos:
Ventajas de los AG frente a los métodos convencionales: 1. Paralelismo, fácilmente modificable y adaptable a diferentes problemas. 2. Fácilmente distribuible 3. Capacidad de búsqueda de espacios de soluciones grandes y amplios 4. Proceso de optimización no basado en el conocimiento que utiliza una función de aptitud para la evaluación 5. Facilidad para descubrir el óptimo global y evitar quedar atrapado en óptimos locales 6. Capacidad de optimización multiobjetivo soluciones potenciales 7. Buena elección para problemas de optimización a gran escala y muy variados.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
4 votos
¿Qué tipo de AG? ¿En comparación con qué métodos "tradicionales"? Sin esto, sólo se puede decir algo como "convergencia más rápida y menor peligro de quedarse atascado en el óptimo local en algunas aplicaciones", lo mismo que para cualquier otro método de optimización.