Un estudio comparativo de la auto-adaptación en estrategias evolutivas y algoritmos genéticos de código real

Este artículo discute los mecanismos de auto-adaptación de las estrategias evolutivas (ES) y los algoritmos genéticos de código real (RCGA) para la optimización en espacios de búsqueda continuos. Para las estrategias evolutivas de múltiples miembros, Schwefel ha propuesto un mecanismo de auto-adaptación de los parámetros de mutación. Introduce parámetros como las desviaciones estándar de la distribución normal para la mutación en el código genético y permite que evolucionen mediante selección, así como las variables de decisión. En el RCGA, el cruce o recombinación se utiliza principalmente para la búsqueda. Utiliza información de varios individuos para generar nuevos puntos de búsqueda y, por lo tanto, puede generar descendencia de manera adaptativa según la distribución de los padres sin ningún parámetro adaptativo. El presente artículo discute las características de estos dos mecanismos de auto-adaptación mediante experimentos numéricos. Se examinan las características auto-adaptativas como la traducción, el aumento, el enfoque y la dirección de la distribución de los hijos generados por la ES y el RCGA a través de experimentos.