Please enable JavaScript.
Coggle requires JavaScript to display documents.
MÉTODOS DE SELECCIÓN EN ALGORITMOS GENÉTICOS - Coggle Diagram
MÉTODOS DE SELECCIÓN EN ALGORITMOS GENÉTICOS
Método de la ruleta
También conocido como "proporcional al fitness".
Los individuos son seleccionados de acuerdo a su proporción de fitness en la población.
Ventajas: Sencillo de implementar.
Desventajas: Puede dar demasiada ventaja a los individuos con alto fitness, lo que lleva a la convergencia prematura.
Método de muestreo estocástico universal (SUS)
Mejora el método de la ruleta.
Utiliza una única ruleta con múltiples puntos de selección distribuidos uniformemente.
Asegura que todos los individuos tienen una oportunidad proporcional de ser seleccionados.
Ventajas: Menos probabilidades de sesgo; selección más equilibrada.
Desventajas: Más complejo de implementar que la ruleta estándar.
Método de selección basado en rangos
Los individuos se ordenan por su fitness, asignando un valor de selección según su rango en lugar de su valor absoluto de fitness.
Reduce el riesgo de que un individuo domine la selección debido a un fitness extremadamente alto.
Ventajas: Estabiliza la selección y evita que los individuos con fitness muy altos dominen.
Desventajas: La relación entre el rango y el fitness puede no ser ideal en algunos casos.
Método basado en el escalamiento del fitness
Escala los valores de fitness para evitar que ciertos individuos tengan un valor de fitness desproporcionadamente alto o bajo.
Comúnmente se usa escalamiento lineal o exponencial
Ventajas: Ayuda a mantener la diversidad en la población.
Desventajas: Requiere ajustes cuidadosos de los parámetros de escalamiento.
Método del torneo
Se selecciona un grupo aleatorio de individuos (un torneo) y el individuo con el mejor fitness dentro de ese grupo es seleccionado para la siguiente generación.
Ventajas: Fácil de implementar, eficiente para grandes poblaciones.
Desventajas: Puede llevar a la pérdida de diversidad si los torneos son demasiado pequeños o grandes.