Computación Evolutiva: Técnicas de Selección

Transcripción

1 Computación Evolutiva: Técnicas de Selección Dr. Gregorio Toscano Pulido Laboratorio de Tecnologías de Información Centro de Investigación y de Estudios Avanzados del IPN Cinvestav-Tamaulipas Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 1 / 60

2 Plan de la presentación 1 Técnicas de selección Clasificación Selección proporcional La Ruleta Sobrante Estocástico Universal Estocástica Muestreo Determinístico Aditamentos a la Selección Proporcional Resumen de los Métodos de Selección Proporcional Selección mediante Torneo Selección de estado uniforme Selección más 2 Brecha generacional Brecha generacional Otras Técnicas de Selección Selección Disruptiva Jerarquías no Lineales Selección competitiva 3 Clasificaciones de técnicas de Selección Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 2 / 60

3 Outline Técnicas de selección 1 Técnicas de selección Clasificación Selección proporcional La Ruleta Sobrante Estocástico Universal Estocástica Muestreo Determinístico Aditamentos a la Selección Proporcional Resumen de los Métodos de Selección Proporcional Selección mediante Torneo Selección de estado uniforme Selección más 2 Brecha generacional Brecha generacional Otras Técnicas de Selección Selección Disruptiva Jerarquías no Lineales Selección competitiva 3 Clasificaciones de técnicas de Selección Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 3 / 60

4 Técnicas de Selección Técnicas de selección Clasificación 1 Selección Proporcional 2 Selección Mediante Torneo 3 Selección de Estado Uniforme Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 4 / 60

5 Técnicas de selección Selección Proporcional Selección proporcional Este nombre describe a un grupo de esquemas de selección originalmente propuestos por Holland que eligen individuos de acuerdo a su contribución de aptitud con respecto al total de la población. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 5 / 60

6 Técnicas de selección Selección Proporcional Selección proporcional Técnicas: 1 La Ruleta 2 Sobrante Estocástico 3 Universal Estocástica 4 Muestreo Determinístico Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 6 / 60

7 La Ruleta Técnicas de selección Selección proporcional Técnica propuesta por DeJong (1975), fue el método más comúnmente usado en los orígenes de los AGs. El algoritmo es simple, pero ineficiente: O(n 2 ). El individuo menos apto puede ser seleccionado más de una vez. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 7 / 60

8 La Ruleta Técnicas de selección Selección proporcional Implementación de DeJong: Calcular la suma de valores esperados T Repetir N veces (N es el tamaño de la población): Generar un número aleatorio r entre 0.0 y T Ciclar a través de los individuos de la población sumando los valores esperados hasta que la suma sea mayor o igual a r El individuo que haga que esta suma exceda el ĺımite es el seleccionado Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 8 / 60

9 Sobrante Estocástico Técnicas de selección Selección proporcional Propuesta por Booker (1982) y Brindle (1981) para acercarse más a los valores esperados de cada individuo. Asignar determinísticamente las partes enteras de los valores esperados para cada individuo. Reduce los problemas de la ruleta, pero puede causar convergencia prematura. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 9 / 60

10 Sobrante Estocástico Técnicas de selección Selección proporcional Hay 2 variantes que difieren en qué hacer con las partes decimales de los valores esperados: 1 Sin Reemplazo: Usar flip con las partes decimales para elegir los padres restantes. 2 Con Reemplazo: Construir una ruleta con las partes decimales y usarla para seleccionar los padres faltantes. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 10 / 60

11 Sobrante Estocástico Técnicas de selección Selección proporcional Complejidad: La versión con reemplazo es O(n 2 ) La versión sin reemplazo es O(n) La más popular es la versión sin reemplazo, la cual parece ser superior a la ruleta (Booker, 1982). Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 11 / 60

12 Universal Estocástica Técnicas de selección Selección proporcional Propuesta por Baker (1987). Objetivo: minimizar la mala distribución de los individuos en la población en función de sus valores esperados. El algoritmo es: O(n) Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 12 / 60

13 Universal Estocástica Técnicas de selección Selección proporcional Algoritmo: ptr=rand( ); { Regresa un aleatorio en el rango [0,1] } for sum = 0, i = 1; i n; i + + do for sum+ = Valesp(i, t); sum > ptr; ptr + + do Seleccionar (i); end for end for Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 13 / 60

14 Universal Estocástica Técnicas de selección Selección proporcional Problemas: Puede ocasionar convergencia prematura. Hace que los individuos más aptos se multipliquen muy rápidamente. No resuelve el problema más serio de la selección proporcional. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 14 / 60

15 Técnicas de selección Muestreo Determinístico Selección proporcional Algoritmo: Calcular P select = f i / f Calcular Valesp i = p select n Asignar determinísticamente la parte entera de Valesp i Ordenar la población de acuerdo a las partes decimales (de mayor a menor) Obtener los padres faltantes de la parte superior de la lista. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 15 / 60

16 Técnicas de selección Muestreo Determinístico Selección proporcional El algoritmo es O(n) para la asignación determinística y es O(nlogn) para la ordenación. Padece de los mismos problemas que el sobrante estocástico. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 16 / 60

17 Técnicas de selección Selección Proporcional Selección proporcional Aditamentos: 1 Escalamiento Sigma 2 Jerarquías 3 Selección de Boltzmann Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 17 / 60

18 Escalamiento Sigma Técnicas de selección Selección proporcional Es una técnica ideada para mapear la aptitud original de un individuo con su valor esperado, de manera que el AG sea menos susceptible a la convergencia prematura. La idea es mantener más o menos constante la presión de selección a lo largo del proceso evolutivo. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 18 / 60

19 Escalamiento Sigma Técnicas de selección Selección proporcional Usando esta técnica, el valor esperado de un individuo está en función de su aptitud, la media de la población y la desviación estándar de la población: Valesp(i, t) = { 1 + f (i) f (t) 2σ(t) si σ(t) si σ(t) = 0 Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 19 / 60

20 Escalamiento Sigma Técnicas de selección Selección proporcional Al inicio de una corrida, el valor alto de la desviación estándar impedirá que los mejores individuos obtengan los segmentos más grandes de la ruleta. Hacia el final, la desviación estándar será más baja y los individuos más aptos podrán multiplicarse más fácilmente. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 20 / 60

21 Técnicas de selección Selección por Jerarquías Selección proporcional Propuesta por Baker (1985) para evitar la convergencia prematura. No requiere escalamiento de las aptitudes. Alenta sobremanera la convergencia del AG. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 21 / 60

22 Técnicas de selección Selección por Jerarquías Selección proporcional Algoritmo: 1: Ordenar (o jerarquizar) la población con base en su aptitud, de 1 a N (donde 1 representa al menos apto). 2: Elegir Max(1 Max 2) 3: Calcular Min = 2 Max Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 22 / 60

23 Técnicas de selección Selección por Jerarquías Selección proporcional Algoritmo: El valor esperado de cada individuo será: Valesp(i, t) = Min + (Max Min) jerarquia(i,t) 1 N 1 Usar selección proporcional aplicando los valores esperados obtenidos. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 23 / 60

24 Técnicas de selección Selección por Jerarquías Selección proporcional Útil cuando la función tiene ruido (por ejemplo, cuando hay una variable aleatoria). Existen otros métodos de asignación de jerarquías además del lineal (p.ej. exponencial). Su complejidad es O(nlogn)+ tiempo de selección. Diluye la presión de selección, por lo que causa convergencia lenta. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 24 / 60

25 Técnicas de selección Selección de Boltzmann Selección proporcional Basada en el recocido simulado: usar una función de variación de temperatura que controle la presión de selección. Se usa un valor alto de temperatura al principio, lo cual hace que la presión de selección sea baja. Con el paso de las generaciones, la temperatura disminuye, lo que aumenta la presión de selección. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 25 / 60

26 Técnicas de selección Selección de Boltzmann Selección proporcional Típicamente, se usa la siguiente expresión para calcular el valor esperado de un individuo: e f (i)/t Valesp(i, t) = < e f (i)/t > t donde: T es la temperatura y <> t denota el promedio de la población en la generación t. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 26 / 60

27 Técnicas de selección Selección de Boltzmann Selección proporcional Se ha utilizado más para optimización multimodal y multiobjetivo (formación de nichos). Existen pruebas de convergencia de la técnica hacia el óptimo global. Tiene el inconveniente de requerir la definición de la función de variación de temperatura. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 27 / 60

28 Técnicas de selección Selección proporcional Métodos de Selección Proporcional Los métodos de selección proporcional requieren de 2 pasos por generación del AG: 1) Calcular la aptitud media (y, la desviación estándar si se usa escalamiento sigma). 2) Calcular el valor esperado de cada individuo. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 28 / 60

29 Técnicas de selección Selección proporcional Métodos de Selección Proporcional El uso de jerarquías requiere que se ordene toda la población (una operación cuyo costo puede volverse significativo en poblaciones grandes). La selección mediante torneo es similar al uso de jerarquías en términos de la presión de selección, pero es computacionalmente más eficiente y más fácil de paralelizarse. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 29 / 60

30 Técnicas de selección Selección Mediante Torneo Selección mediante Torneo Propuesta por Wetzel y estudiada en la tesis doctoral de Brindle (1981). La idea básica del método es seleccionar con base en comparaciones directas de los individuos. Hay 2 versiones: 1 Determinística 2 Probabiĺıstica Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 30 / 60

31 Técnicas de selección Selección Mediante Torneo Selección mediante Torneo Algoritmo (versión determinística): Barajar los individuos de la población Escoger un número P de individuos (típicamente 2) Compararlos con base en su aptitud El ganador del torneo es el individuo más apto Se debe barajar la población un total de P veces para seleccionar N padres. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 31 / 60

32 Técnicas de selección Selección Mediante Torneo Selección mediante Torneo Algoritmo (versión probabiĺıstica): La versión probabiĺıstica es idéntica excepto por el paso en el que se escoge al ganador. En vez de seleccionar siempre al individuo con aptitud más alta, se aplica flip(p) y si el resultado es cierto, se selecciona al más apto. De lo contrario, se selecciona al menos apto. La probabilidad p permanece fija durante todo el proceso evolutivo y se escoge de manera que: 0.5 p 1 Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 32 / 60

33 Técnicas de selección Selección Mediante Torneo Selección mediante Torneo Análisis: La versión determinística garantiza que el mejor individuo será seleccionado P veces. Cada competencia requiere la selección aleatoria de un número constante de individuos de la población. La comparación entre estos individuos puede realizarse en tiempo constante. Se requieren n competencias de este tipo para completar una generación. Por tanto, el algoritmo es O(n). Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 33 / 60

34 Técnicas de selección Selección Mediante Torneo Selección mediante Torneo Análisis: Técnica eficiente y fácil de implementar. No requiere escalamiento de la función de aptitud (usa comparaciones directas). Puede introducir una presión de selección muy alta porque a los individuos menos aptos no se les da oportunidad de sobrevivir. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 34 / 60

35 Técnicas de selección Selección mediante Torneo Selección mediante Torneo Si se usa t torneo = 1, se produce una caminata aleatoria con una presión de selección muy baja. Si se usa t torneo =, la selección se vuelve completamente determinística. Si se usa t torneo 10, la selección se considera dura. Si se usa 2 t torneo 5, la selección se considera blanda. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 35 / 60

36 Técnicas de selección Selección de Estado Uniforme Selección de estado uniforme Propuesta por Whitley (1989). Se usa en AGs no generacionales, en los cuales sólo unos cuantos individuos son reemplazados en cada generación (los menos aptos). Esta técnica suele usarse cuando se evolucionan sistemas basados en reglas (p.ej., sistemas de clasificadores) en los que el aprendizaje es incremental. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 36 / 60

37 Técnicas de selección Selección de Estado Uniforme Selección de estado uniforme Esta técnica es útil cuando los miembros de la población resuelven colectivamente (y no de manera individual) un problema. Asimismo, los AGs no generacionales se usan cuando es importante recordar lo que se ha aprendido antes. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 37 / 60

38 Técnicas de selección Selección de Estado Uniforme Selección de estado uniforme Algoritmo: Seleccionar de G (población original) R individuos (1 R M) de entre los más aptos. Normalmente, R = 1, o R = 2. Efectuar cruza y mutación a los R individuos seleccionados. Llamaremos H a sus hijos. Elegir al mejor individuo en H (o a los S mejores). Reemplazar los S peores individuos de G por los S mejores individuos de H. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 38 / 60

39 Técnicas de selección Selección de Estado Uniforme Selección de estado uniforme Análisis: Técnica especializada de selección. Su complejidad (en la variante incluida en GENITOR) es O(n log n) Los AGs no generacionales no son muy comunes en aplicaciones de optimización, aunque sí pueden utilizarse. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 39 / 60

40 Selección más (+) Técnicas de selección Selección más Es también posible en un algoritmo genético usar una selección más (+) como en las estrategias evolutivas. Esta selección consiste en unir la población de padres con la de hijos y seleccionar la mejor mitad de ellos. Este tipo de selección resulta particularmente útil para resolver problemas de optimización global. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 40 / 60

41 Outline Brecha generacional 1 Técnicas de selección Clasificación Selección proporcional La Ruleta Sobrante Estocástico Universal Estocástica Muestreo Determinístico Aditamentos a la Selección Proporcional Resumen de los Métodos de Selección Proporcional Selección mediante Torneo Selección de estado uniforme Selección más 2 Brecha generacional Brecha generacional Otras Técnicas de Selección Selección Disruptiva Jerarquías no Lineales Selección competitiva 3 Clasificaciones de técnicas de Selección Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 41 / 60

42 Brecha Generacional Brecha generacional Brecha generacional Muy ligada a la selección de estado uniforme se encuentra el concepto de brecha generacional (generation gap). Es importante reconocer en primer término que las poblaciones pueden ser no traslapables (nonoverlapping) o traslapables (overlapping). Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 42 / 60

43 Brecha Generacional Brecha generacional Brecha generacional end Una población no traslapable es aquella en la que los padres nunca compiten contra sus hijos. Es decir, toda la población de padres es siempre reemplazada por la población de hijos. En una población traslapable, los padres compiten contra sus hijos. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 43 / 60

44 Brecha Generacional Brecha generacional Brecha generacional Se denomina brecha generacional a la cantidad de traslape existente entre padres e hijos. Una brecha generacional grande implica poco (o ningún) traslape poblacional. Históricamente, la programación evolutiva y las estrategias evolutivas han usado poblaciones traslapables, mientras que los AGs han usado poblaciones no traslapables. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 44 / 60

45 Brecha Generacional Brecha generacional Brecha generacional De Jong (1975) parece haber sido el primero en estudiar AGs con poblaciones traslapables. De Jong sugirió que las ventajas de las poblaciones traslapables se diluían debido a los efectos negativos del desvío genético. Más tarde, Grefenstette (1986) confirmaría que una brecha generacional mayor parecía mejorar el desempeño del AG. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 45 / 60

46 Brecha Generacional Brecha generacional Brecha generacional Los primeros experimentos con los sistemas de clasificadores, confirmarían, sin embargo, un comportamiento exactamente opuesto (Holland & Reitman, 1978). En los sistemas de clasificadores, el desempeño del AG parecía degradarse conforme se aumentaba la brecha generacional. Algunos investigadores atribuyen los resultados de De Jong y Grefenstette al uso de poblaciones pequeñas. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 46 / 60

47 Brecha Generacional Brecha generacional Brecha generacional Los AGs tradicionales siguen usando, sin embargo, poblaciones no traslapables. Los algoritmos evolutivos de estado uniforme son aquellos en los que la población es traslapable. Normalmente, sólo uno o dos hijos se producen en cada iteración de un AE de estado uniforme. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 47 / 60

48 Brecha generacional Otras Técnicas de Selección Otras Técnicas de Selección Otras Técnicas de Selección: Disruptiva Jerarquías no lineales Competitiva Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 48 / 60

49 Selección Disruptiva Brecha generacional Otras Técnicas de Selección Sugerida por Kuo y Wuang (1993) para normalizar aptitudes con respecto a un cierto valor moderado (en vez de usar valores extremos). Suele usarse: f i (x) = f i(x) f (t) Valesp i = f i (x) f (t), donde (f (t)) se refiere a la aptitud media de la población. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 49 / 60

50 Selección Disruptiva Brecha generacional Otras Técnicas de Selección Motivación: distribuir más los esfuerzos de la búsqueda hacia las soluciones extremadamente buenas y extremadamente malas. Los individuos cercanos a la media son desechados. La utilidad de este método es altamente dependiente en la aplicación. Suele usarse con funciones de aptitud dinámicas. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 50 / 60

51 Jerarquías no Lineales Brecha generacional Otras Técnicas de Selección Propuesta por Michalewicz (1996). Se usa: prob i = q(1 q) jerarquia i 1 donde: prob i es la probabilidad de que el individuo i sea seleccionado. q [0,... 1] es el factor de presión de selección, jerarquia i es la jerarquía del individuo i. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 51 / 60

52 Jerarquías no Lineales Brecha generacional Otras Técnicas de Selección Al igual que con las jerarquías lineales, se asigna la jerarquía más baja al peor individuo y la más alta al mejor. Una vez que se conoce la probabilidad de que un individuo sea seleccionado, podemos calcular su valor esperado multiplicando dicho valor por n (tamaño de la población). Posteriormente, podemos aplicar cualquier técnica de selección proporcional. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 52 / 60

53 Jerarquías no Lineales Brecha generacional Otras Técnicas de Selección Thomas Bäck advirtió que las probabilidades obtenidas con este método no suman uno. También notó que la técnica puede hacerse prácticamente idéntica al torneo, dependiendo del valor de q que se use. Valores grandes de q implican una mayor presión de selección. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 53 / 60

54 Jerarquías no Lineales Brecha generacional Otras Técnicas de Selección Michalewicz (1996) advierte que la suma de probabilidades puede hacerse igual a 1 si usamos: prob i = c q(1 q) jerarquia i 1 donde: 1 c = y M es el tamaño de la población. 1 (1 q) M Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 54 / 60

55 Selección Competitiva Brecha generacional Otras Técnicas de Selección La aptitud de un individuo se determina mediante sus interacciones con otros miembros de la población, o con otros miembros de una población separada que evoluciona concurrentemente. Usada por Hillis (1992), Angeline & Pollack (1993) y Sebald & Schlenzig (1994). Puede verse como un esquema co-evolutivo: las aptitudes de dos individuos dependen mutuamente entre sí. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 55 / 60

56 Outline Clasificaciones de técnicas de Selección 1 Técnicas de selección Clasificación Selección proporcional La Ruleta Sobrante Estocástico Universal Estocástica Muestreo Determinístico Aditamentos a la Selección Proporcional Resumen de los Métodos de Selección Proporcional Selección mediante Torneo Selección de estado uniforme Selección más 2 Brecha generacional Brecha generacional Otras Técnicas de Selección Selección Disruptiva Jerarquías no Lineales Selección competitiva 3 Clasificaciones de técnicas de Selección Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 56 / 60

57 Clasificaciones de técnicas de Selección Clasificaciones de técnicas de Selección Clasificaciones de Técnicas de Selección Bäck y Hoffmeister (1991) distinguen entre: 1 Métodos Estáticos: Requieren que las probabilidades de selección permanezcan constantes entre generaciones. Ejemplo: jerarquías lineales. 2 Métodos Dinámicos: No se requiere que las probabilidades de selección permanezcan constantes. Ejemplo: selección proporcional Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 57 / 60

58 Clasificaciones de técnicas de Selección Clasificaciones de técnicas de Selección Clasificaciones de Técnicas de Selección Otros investigadores distinguen entre: 1 Selección Preservativa: Requiere una probabilidad de selección distinta de cero para cada individuo. 2 Selección Extintiva: Puede asignar una probabilidad de selección de cero a algún individuo. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 58 / 60

59 Clasificaciones de técnicas de Selección Clasificaciones de técnicas de Selección Clasificaciones de Técnicas de Selección A su vez, las técnicas extintivas se dividen en: 1 Selección Izquierda: Se impide a los mejores individuos reproducirse a fin de evitar convergencia prematura. 2 Selección Derecha: No se tiene control expĺıcito sobre la capacidad reproductiva de los individuos más aptos. Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 59 / 60

60 Clasificaciones de técnicas de Selección Clasificaciones de técnicas de Selección Clasificaciones de Técnicas de Selección Adicionalmente, algunas técnicas de selección son puras en el sentido de que a los padres se les permite reproducirse solamente en una generación (es decir, el tiempo de vida de cada individuo está limitado a sólo una generación, independientemente de su aptitud). Dr. Gregorio Toscano Pulido (Cinvestav-Tamaulipas) CE - Selección Cinvestav-LTI 60 / 60