A didactic approach to the study of genetic algorithm in the estimation of parameters of mathematical models

Main Article Content

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

Keywords

optimization, biological phenomenon, operators, genetic algorithm, search method, parameter estimation

Abstract

This article addresses the basic concepts around genetic algorithms, their own vocabulary and a brief analysis of the type of problems that can be faced using this search method. Subsequently, we present in a very general way the steps to carry out the implementation of a genetic algorithm through a practical example in which the code used in programming is explained in detail and didactically line by line, to solve a specific problem. One aspect in which we emphasized was the       of problems that can be solved by this optimization method. In addition, to obtain ideas regarding the formulation of the objective function, programming of the code, selection of the software, dimensioning of parameters, among others. It is established that the information contained in this article seeks to give the reader a starting point for the compression, understanding, implementation and application of genetic algorithms.

Abstract 362 | PDF (Spanish) Downloads 347

References

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.