Metaheurística genética básica

[imagen obtenida de: http://www.exponent.com/files/Uploads/Images/pharma/dna1.jpg]

Para la clase de hoy, nos hemos dado a la tarea de programar un algoritmo genético. Estos son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes a las que actúan en la evolución biológica (mutaciones y recombinaciones genéticas), así como también a una Selección de acuerdo con algún criterio, en función del cual se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles los menos aptos, que son descartados.

Metaheurística de recocido simulado

[Imagen obtenida de: http://www.swissmetal.es/images/fundicion999.jpg]

Para el día de hoy analizamos el algoritmo de recocido simulado. Este algoritmo se basa en El nombre e inspiración viene del proceso de recocido del acero y cerámicas, una técnica que consiste en calentar y luego enfriar lentamente el material para variar sus propiedades físicas.
El calor causa que los átomos aumenten su energía y que puedan así desplazarse de sus posiciones iniciales (un mínimo local de energía); el enfriamiento lento les da mayores probabilidades de recristalizar en configuraciones con menor energía que la inicial (mínimo global).

Metaheurística de búsqueda local voraz iterativa

Para esta clase empezamos a construir nuestro primer heursitico, el cual fue el de búsqueda local voraz iterativa.
En este algoritmo una solución optima es buscada generando una solución inicial y después por pasos o intentos, mejorarla haciendo cambios aleatorios y observando si el cambio es más o menos optimo. Este proceso se repite una pequeña cantidad de veces y se toma como la respuesta más optima la que haya arrojado el mejor resultado.