Instrumento de Evaluación - Algoritmos Genéticos

¿Qué es un algoritmo genético y qué tipo de problemas puede resolver?

• Un algoritmo que imita el proceso de evolución natural y puede resolver problemas de optimización y búsqueda.

• Un algoritmo que utiliza el ADN como fuente de información y puede resolver problemas de clasificación y reconocimiento.

• o    Un algoritmo que se basa en la teoría de la selección natural y puede resolver problemas de aprendizaje y adaptación.

• Un algoritmo que emplea operadores genéticos y puede resolver problemas de generación y creatividad.

2.     ¿Qué elementos conforman un algoritmo genético y qué función cumplen?

• Individuos, genes, cromosomas, y alelos. Estos elementos representan las posibles soluciones al problema y sus componentes.

• Generaciones, elitismo, diversidad, y convergencia. Estos elementos indican el progreso y la calidad de la solución encontrada por el algoritmo.

• Población, función de aptitud, operadores de cruce y mutación, y criterio de parada. Estos elementos permiten generar y evaluar soluciones candidatas al problema.

• Todos los anteriores. Estos elementos son necesarios para el funcionamiento y la eficacia de un algoritmo genético.

3.     ¿Qué es la función de aptitud y cómo se calcula?

• Es la función que mide el grado de adaptación de un individuo al problema y se calcula como la suma de los valores de los genes del individuo.

• Es la función que determina el valor de un individuo como solución al problema y se calcula como la inversa de la distancia entre el individuo y el óptimo global.

• Es la función que asigna un valor numérico a un individuo según su desempeño en el problema y se calcula según el criterio específico de cada problema.

• Es la función que compara el rendimiento de un individuo con el de otros individuos de la población y se calcula como la proporción de individuos que son peores que el individuo evaluado.

4.     ¿Qué son los operadores de cruce y mutación y qué efecto tienen sobre la población?

• o    Son los mecanismos que permiten combinar y modificar los individuos de la población y tienen el efecto de aumentar la diversidad genética y explorar el espacio de búsqueda.

• o    Son los mecanismos que permiten seleccionar y eliminar los individuos de la población y tienen el efecto de reducir la diversidad genética y explotar el espacio de búsqueda.

• Son los mecanismos que permiten crear y destruir los individuos de la población y tienen el efecto de mantener la diversidad genética y equilibrar el espacio de búsqueda.

• Son los mecanismos que permiten evaluar y ordenar los individuos de la población y tienen el efecto de mejorar la calidad de la solución y converger al óptimo global.

5.     ¿Qué es el elitismo y qué ventaja tiene en un algoritmo genético?

• Es la estrategia que consiste en conservar el mejor individuo de la población y reemplazar el peor individuo por una copia del mejor. Tiene la ventaja de evitar la pérdida de la mejor solución encontrada hasta el momento.

• Es la estrategia que consiste en seleccionar los mejores individuos de la población y cruzarlos entre sí. Tiene la ventaja de incrementar la probabilidad de obtener mejores soluciones en las siguientes generaciones.

• Es la estrategia que consiste en asignar una mayor probabilidad de selección a los individuos con mayor aptitud. Tiene la ventaja de favorecer la presión selectiva y la adaptación de la población al problema.

• Es la estrategia que consiste en introducir nuevos individuos aleatorios en la población. Tiene la ventaja de aumentar la diversidad genética y evitar el estancamiento en óptimos locales.

6.     ¿Qué es la diversidad genética y por qué es importante en un algoritmo genético?

• Es la medida que indica el grado de variabilidad de los individuos de la población. Es importante porque permite explorar diferentes regiones del espacio de búsqueda y evitar el estancamiento en óptimos locales.

• o    Es la medida que indica el grado de similitud de los individuos de la población. Es importante porque permite explotar las mejores regiones del espacio de búsqueda y converger al óptimo global.

• Es la medida que indica el grado de complejidad de los individuos de la población. Es importante porque permite generar soluciones más sofisticadas y creativas al problema.

• Es la medida que indica el grado de calidad de los individuos de la población. Es importante porque permite evaluar el rendimiento y la eficiencia del algoritmo genético.

7.     ¿Qué es la convergencia y cómo se puede medir en un algoritmo genético?

• Es el proceso por el cual la población se acerca al óptimo global y se puede medir por la diferencia entre el valor de aptitud del mejor individuo y el valor óptimo conocido o estimado.

• Es el proceso por el cual la población se aleja del óptimo local y se puede medir por la distancia entre el valor de aptitud del peor individuo y el valor óptimo conocido o estimado.

• Es el proceso por el cual la población se estabiliza en una región del espacio de búsqueda y se puede medir por la varianza o la desviación estándar de los valores de aptitud de los individuos.

• Es el proceso por el cual la población se adapta al problema y se puede medir por el promedio o la media de los valores de aptitud de los individuos.

8.     ¿Qué son los parámetros de un algoritmo genético y cómo influyen en su comportamiento?

• Son las variables que definen las características de la población, como el tamaño, la estructura, la codificación, y la inicialización. Influyen en el grado de diversidad y complejidad de las soluciones generadas por el algoritmo.

• Son las variables que definen las características de los operadores, como la probabilidad, el tipo, el punto, y el rango. Influyen en el grado de exploración y explotación del espacio de búsqueda por el algoritmo.

• Son las variables que definen las características del problema, como la dimensión, el dominio, la función de aptitud, y el óptimo. Influyen en el grado de dificultad y solubilidad del problema por el algoritmo.

• Todas las anteriores. Estas variables determinan el comportamiento y el rendimiento del algoritmo genético y deben ser ajustadas según el problema a resolver.

9. ¿Qué es la codificación y qué tipos de codificación existen para los algoritmos genéticos?

• Es el proceso de transformar los individuos de la población en una representación adecuada para el algoritmo genético y existen dos tipos de codificación: binaria y decimal.

• Es el proceso de asignar un valor numérico a los individuos de la población según su aptitud y existen dos tipos de codificación: directa e indirecta.

• Es el proceso de definir la estructura y el tamaño de los individuos de la población y existen dos tipos de codificación: fija y variable.

• Es el proceso de representar los individuos de la población mediante una secuencia de símbolos y existen dos tipos de codificación: genotípica y fenotípica.

10. ¿Qué es el análisis de sensibilidad y para qué sirve en un algoritmo genético?

• Es el estudio que evalúa el efecto de los operadores sobre la diversidad y la convergencia de la población. Sirve para determinar los operadores más eficientes o apropiados para cada problema.

• Es el estudio que evalúa el efecto de los parámetros sobre el comportamiento y el rendimiento del algoritmo genético. Sirve para determinar los valores óptimos o adecuados de los parámetros para cada problema.

• Es el estudio que evalúa el efecto de la codificación sobre la calidad y la complejidad de las soluciones. Sirve para determinar la codificación más precisa o conveniente para cada problema.

• Todos los anteriores. Estos estudios son importantes para mejorar el diseño y la implementación de los algoritmos genéticos.