Algoritmos Evolutivos. Objetos Evolutivos

Durante la última década los métodos de optimización han cobrado más importancia debido, sobre todo, a que con ellos se pueden resolver ciertos problemas de ingeniería que sólo pueden abordarse mediante aproximación en los computadores actuales.

En el capítulo de introducción se ha descrito someramente la Teoría de la Evolución Natural, y se ha presentado cronológicamente el desarrollo de la informática evolutiva desde sus inicios.

Los paradigmas evolutivos actuales están inspirados en la teoría de la evolución de Darwin [#!Darwin59!#] e intentan emular en lo posible a la Naturaleza. De esta forma, los cromosomas y los genes se suelen asociar de alguna forma a cadenas de bits (en AG [#!Goldberg89!#,#!Michalewicz92!#,#!Michalewicz96!#]) o a vectores de números reales (EE [#!Schwefel95!#]). Por otra parte, diversas estrategias de selección (estado estacionario [#!Whitley89!#] o ($\mu , \lambda$) [#!Schwefel95!#]) imitan la selección natural.

Sin embargo, la selección natural no es la única forma de selección que podemos encontrar en la Naturaleza. En diversas áreas, como la economía y los mercados, podemos ver cómo ciertas empresas evolucionan, ``alimentándose'' unas de otras, ocupando ``nichos económicos'', tal y como describe Brian Arthur en [#!Arthur90!#] y John Holland en [#!Holland75!#].

Así mismo existe una teoría sobre cómo evolucionan los ``universos inflacionarios'' [#!Linde94!#], según la cual, universos con diferentes leyes físicas compiten entre sí, resultando ganadores algunos de ellos, ocupando así todo el espacio posible.

Finalmente, incluso las ideas evolucionan (evolución memética -memetic evolution- [#!Heylighen92!#]), compitiendo por el espacio cerebral, reproduciéndose y mutando: una idea puede ser una canción, una cadena de texto o una imagen de televisión.

En todos estos ejemplos de evolución es difícil identificar un sustrato que evoluciona, pero sí encontramos muchas otras características que nos hacen pensar en ellos como en algún tipo de evolución.

A pesar de que la mayoría de los investigadores afirman que los distintos paradigmas de computación evolutiva sólo difieren en cuanto a la representación y a los operadores de individuo y de población, no existe una visión unificada para todos ellos, y mucho menos una herramienta que lo unifique.

En este capítulo se introducirán los algoritmos evolutivos, centrándonos en la abstracción denominada ``Objetos Evolutivos'' (en lo sucesivo OE), que engloba todos los paradigmas de la computación evolutiva, abstrayendo las características comunes a todos los paradigmas.

En la sección se introduce el concepto de Computación Orientada a Objetos, para pasar a presentar la abstracción de Objetos Evolutivos describiendo sus fundamentos y sus principales características (subsecciones y ).

La sección estudia a fondo los Objetos Evolutivos, describiendo cómo diseñar un AE basado en OE, enumerando cada elemento que lo compone y describiéndolos posteriormente.

Para terminar, en la sección se aplicarán los métodos definidos en el capítulo a la resolución de varios ejemplos ``tipo'' usando algoritmos evolutivos basados en OE.