EDWIN ALEXANDER AGUILAR SANCHEZINTELIGENCIA ARTIFICIALAPLICABILIDAD DE LOS ALGORITMOS GENETICOSDESARROLLO DE LA ACTIVIDADAplicabilidad de los algoritmos genticos para resolver un problemaLos algoritmos genticos pueden ser aplicables ampliamente al campo industrial. Razones que justifican esta afirmacin son: La amplia aplicabilidad que presentan, pues son capaces de buscar soluciones en entornos de elevada complejidad o en entorno cuya compresin no es plena. Y precisamente en la industria, es donde abundan problemas de difcil formulacin matemtica, lo que origina quelos AGs sean ideales para este entorno (Michalewicz,96)

Su alta velocidad de clculo, en unos pocos segundos, se puede tener una solucin aceptable de un problema complejo. Esta caracterstica tambin es interesante desde un punto de vista industrial, pues la industria, en su actividad cotidiana est sometida a continuos cambios, por lo que los planes de produccin, se deben modificar varias veces al da, y para poder realizar estas modificaciones, se necesita una alta velocidad de clculo.

Debido a la complejidad e inters de los problemas de secuenciacin dentro de la industria, siempre se han buscado nuevas herramientas para afrontarlos, los AGs seran una manera rpida y eficaz para encontrar la mejor secuenciacin de los procesos.

Disear la codificacin de los genes de tal manera que indiquen la relacin de precedencia de las operaciones que se deben realizar en cada mquina, de esta manera los genes indicaran que operacin realizar primero y cual despus.

Un enfoque se basaria en generar, por medio de una regla de prioridad, mtodo SPT (Short processing time), una secuencia factible. Posteriormente y con el objetivo de producir diferentes soluciones para el problema, se modifican los tiempos de realizacin de las operaciones. En este caso, el genotipo e define como un vector de desviaciones con respecto al tiempo normal de operacin. Los pasos necesarios para la implementacin de esta metodologa son:1. Con la ayuda del genotipo, se generan nuevos tiempos de operacin.2. Con ellos, se vuelve a aplicar la regla de prioridad, sta genera una nueva secuencia de fabricacin.3. Finalmente, se determina el fitness con la secuencia que se acaba de generar, pero ahora con los tiempos de proceso verdaderos.

Como se puede apreciar, en esta algoritmo el vector de desviaciones indica de una forma indirecta la secuencia ptima; no se utilizan operadores genticos especiales, se puede usar el cruce y la mutacin estndar.

Los Algoritmos genticos tambin pueden ser aplicables en:

Diseo automatizado, incluyendo investigacin en diseo de materiales y diseo multiobjetivo de componentes automovilsticos: mejor comportamiento ante choques, ahorros de peso, mejora de aerodinmica, etc. Diseo automatizado de equipamiento industrial. Diseo automatizado de sistemas de comercio en el sector financiero. Construccin de rboles filogenticos. Optimizacin de carga de contenedores. Diseo de sistemas de distribucin de aguas. Diseo de topologas de circuitos impresos. Diseo de topologas de redes computacionales. En Teora de juegos, resolucin de equilibrios. Anlisis de expresin de genes. Aprendizaje de comportamiento de robots. Aprendizaje de reglas de Lgica difusa. Anlisis lingstico, incluyendo induccin gramtica, y otros aspectos de Procesamiento de lenguajes naturales, tales como eliminacin de ambigedad de sentido. Infraestructura de redes de comunicaciones mviles. Optimizacin de estructuras moleculares.

Referencias bibliogrficas

Bierwirth, C. (1995). "A generalized permutation approach to job-shop scheduling with geneticalgorithms". Or SpektrumN 17, pp: 87-92.