Evolución en tu código Entendiendo y programando un algoritmo genético desde cero – Parte 1
Evolución en tu código - Algoritmo genético desde cero - Parte 1
Entendiendo y Creando el Código desde Cero
Introducción – La Inspiración detrás del Algoritmo
¿Alguna vez has mirado la naturaleza y te has preguntado cómo los organismos evolucionaron, se adaptaron y sobrevivieron a lo largo de milenios? ¿Qué tal si te dijera que tú, sentado frente a tu computadora, tienes el poder de simular un proceso similar de evolución, no en milenios, sino en segundos? Esto es, por supuesto, a través de algoritmos genéticos.
El concepto de “algoritmo genético” (GA) ha existido desde la década de 1960, cuando John Holland en la Universidad de Michigan lo descubrió.
El viaje de Holland no comenzó intentando replicar la evolución en las computadoras. En cambio, su objetivo era comprender por qué y cómo los sistemas naturales podrían mostrar una adaptabilidad inherente. Sus estudios culminaron en la creación de sistemas clasificadores, un sistema estructurado de aprendizaje automático que podría evolucionar con el tiempo.
Ahora, es posible que te estés preguntando, “¿No es eso aprendizaje automático?” Bueno, sí y no. Si bien los sistemas clasificadores exhiben un comportamiento de “aprendizaje”, son bastante diferentes de lo que normalmente asociaríamos con el aprendizaje automático moderno. Los sistemas clasificadores funcionan creando, mezclando y probando un conjunto de reglas. Con el tiempo, las reglas exitosas (aquellas que ayudan al sistema a funcionar mejor) se refuerzan, mientras que las menos efectivas se eliminan. Todo el proceso es análogo al de la evolución.
- Este artículo de IA identifica las dinámicas populares en la autenticación de smartphones tanto a nivel comportamental como fisiológico, y su rendimiento con varios algoritmos de aprendizaje profundo y aprendizaje automático.
- Autoencoders Adversarios Acortando la brecha entre Autoencoders y GANs
- ¿Quién necesita editores de fotos?! – Tutorial masivo de manipulación de imágenes en Python
Aunque inicialmente se usaba para resolver problemas matemáticos abstractos, pronto se reconoció la efectividad de los GAs para resolver problemas complejos, convirtiéndolos en uno de los algoritmos más utilizados para resolver problemas de optimización incluso complicados.
En esta serie, resolveremos el problema de la mochila utilizando los principios de los algoritmos genéticos.
El Problema de la Mochila: El Dilema del Viajero
El problema de la mochila es un famoso problema combinatorio que a menudo se utiliza como ejemplo de optimización.
Imagina que te estás preparando para unas vacaciones en el extranjero. Tu aerolínea tiene un estricto límite de peso para el equipaje, y excederlo será costoso. Tu maleta puede llevar una variedad de…
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Entrevista del 30 aniversario de VoAGI con el fundador Gregory Piatetsky-Shapiro
- ¡Feliz 30º Aniversario VoAGI!
- Comprendiendo el Lado Oscuro de los Modelos de Lenguaje Grandes Una Guía Completa sobre Amenazas de Seguridad y Vulnerabilidades
- Mejores generadores de música de IA (septiembre de 2023)
- Protegiendo a los AML con Barreras de Seguridad
- Microsoft libera VALLE-X de código abierto un modelo de síntesis de voz y clonación de voz multilingüe de Texto a Voz
- Financiamiento en Startups de IA Edición Sept-1 ConverSight, Voxel, AI21 y Gesund