Un enfoque didáctico para el estudio del algoritmo genético en la estimación de parámetros de modelos matemáticos

##plugins.themes.bootstrap3.article.main##

María Alejandra Mármol Martínez
Eduardo Ibarguen Mondragón https://orcid.org/0000-0001-6308-1344
Mawency Vergel-Ortega

Keywords

optimización, fenómeno biológico, operadores, algoritmo genético, método de búsqueda, estimación de parámetros

Resumen

El presente artículo aborda de manera teórica y global los conceptos básicos alrededor de los algoritmos genéticos, el vocabulario propio de los mismos y un breve análisis del tipo de problemas que se pueden abordar empleando este método de búsqueda. Posteriormente presenta de manera muy general los pasos para realizar la implementación de un algoritmo genético en un software, acompañado de un ejemplo práctico donde se explica detalla y didácticamente línea por línea el código empleado en la programación, para resolver un problema puntual. Un aspecto en el que se enfatizó fue la búsqueda de diferentes aplicaciones de este algoritmo ya que esto permite al lector evidenciar el espectro de problemas que se pueden resolver mediante este método de optimización. Además, de obtener ideas en cuanto a la formulación de la función objetivo, la programación del código, la selección del software, la acotación de parámetros entre otros. En conjunto la información contenida en este artículo busca dar al lector una base de partida para la compresión, entendimiento, implementación y aplicación de los algoritmos genéticos.

Descargas

Los datos de descargas todavía no están disponibles.
Abstract 46 | PDF Downloads 42

Citas

D. Rios, S. R. (2000). Simulación: Métodos y aplicaciones. Bogota: Alfaomega.
Davis, F. (Agosto de 1987). User acceptancce of information system: the technology acceptance model . User acceptancce of information system: the technology acceptance model . Michigan, Estados Unidos.
Diaz, E. Y. (2012). Aplicación de algoritmos genéticos en problemas. Invstigación innovación ingenieria, 10-29.
Ebecken, C. B. (2000). Calibração Automática de um Modelo Predador-Presa. Brasil.
Goldberg, D. E. (1989). ALGORITHMS GENETICS insearch, Optimization and Machine Learning. New York: Addison-Wesley Publishing company, Inc.
Gomez Hernandez, E. A., Gonzalez Santacruz, E. C., & Ibarguen Mondragon, E. (2014). Elementos para la modelación matemática de la epidemiología de la neumonía. Universidad y salud, 219-227.
Gomez Hernandez, E. A, & Ibarguen Mondragon, E. (2018)- Modeling the Dynamics of the Mosquito. Contemporary Engineering Sciences, 871 - 879
Ibarguen Mondragon, E., Mosquera, S., Ceron, M., Burbano, E. M., Hidalgo Bonilla, S. P., Esteva, L., & Romero Leiton, J. P. (2014). Mathematical modeling on bacterial resistance to multiple antibiotics caused by spontaneous mutations. BioSystems, 60-67.
Ibarguen Mondragon, E., Romero Leiton, J. P., Esteva, L., Ceron Gomez, M., & Hidalgo Bonilla, S. P. (2010). Stability and periodic solutions for a model of bacterial resistance to antibiotics caused by mutations and plasmids. Applied mathematical modelling, 238-251.
Jorge Barrios Ginart, A. d. (2010). Estimación de parámetros en modelos epidemiológicos de VIH/SIDA. Revista de Matemática: Teoría y Aplicaciones, 143–158.
Jurado, J. M. (1 de Abril de 2008). Aplicación de Microsoft Excel a la Química Analítica: validación de métodos analíticos. Aplicación de Microsoft Excel a la Química Analítica: validación de métodos analíticos. Sevilla, España.
Macias, G. b. (1973). Comparacion de dos métodos de busqueda lineal en problemas de optimización. Monterrey, Mexico.
Michalewicz, Z. (1999). Gnenetic algorithms+Data structures=Evolution programs. Charlotte: Springer.
Nebro, A. J., & Luna, E. A. (2006). Multi-Objective Optimization using Grid Computing. Springer, 50-62.
Turnpenny, P. D. (2009). Elementos de genética medica. Barcelona: Elsevier.
Vanegas, D., & Barragán, K. S. (Enero-Junio de 2011). Real potencial del uso del método de análisis de intervalos para la optimización con restricciones frente al PSO de convergencia garantizada. Comparación de las técnicas de optimización por análisis de intervalos y la de enjambre de partículas para funciones con restricciones. Bogota, Colombia.