Los algoritmos genéticos comprenden una serie de técnicas de resolución de problemas y optimización inspirados en la teoría de la Evolución de Darwin y su base genético molecular. La base de los algoritmos genéticos es la codificación de los parámetros esenciales para resolver un problema en un cromosoma, que junto con otros forma una "población". Cada cromosoma se evalúa, y es asignado un "fitness" o adecuación en función de cuánto se acerque a la solución del problema; sólo los mejores pueden "reproducirse" (es decir, legar su información genética a la siguiente generación),mientras que los peores desaparecen de generaciones sucesivas. De esta forma, la población va consiguiendo progresivamente mejores soluciones. Cualquier problema que pueda ser formulado como un problema de optimización (es decir, de conseguir mejorar una cantidad determinada, como coste o acercamiento a una solución) es susceptible de ser atacado mediante algoritmos genéticos. De hecho, uno de los primeros problemas al que se aplicó fue la optimización de oleoductos de empresas petrolíferas, pero hoy en día tiene también aplicación en campos tan diversos como el arte, la ingeniería, o la simulación biológica en vida artificial.

1.Introducción a los algoritmos genéticos y computación evolutiva: orígenes, historia, hitos. (2)

2.Algoritmo genético simple (2)

3.Operadores genéticos variados: mutación, crossover, selección. Métodos de selección de población. Problemas de mantenimiento de diversidad. Nichos y especiación. Algoritmos genéticos con genomas de longitud variable. (4)

4.Resolución de problemas con algoritmos genéticos

1.Aplicación a juegos (MasterMind).

2.Optimización de funciones.

3.Optimización de redes neuronales.

4.Problemas en Vida Artificial (6)

5.Parientes del algoritmo genético: recocimiento simulado (Simulated Annealing), computación evolutiva, programación genética, "evolutionstrategie" (2)

Prácticas

1.Prácticas con el generador de aplicaciones GAGS (sistema UNIX) (2)

2.Prácticas de programación de algoritmos genéticos con librería GAGS (6)

• Goldberg, D.E. (1989) "Genetic Algorithms in Search,Optimization, and Machine Learning",Addison-Wesley. [GOLD89]
• Davis, L. (ed) (1991) "Handbook of Genetic Algorithms", Van Nostrand. Reinhold, New York, NY. [DAVIS91]
• Michalewicz, Z. (1992) Genetic algorithms + Data Structures = Evolution Programs", Springer-Verlag, New York, NY.
• Koza, J.R. (1992), Genetic Programming: On the Programming of Computers by means of Natural Selection", Cambridge, MA: MIT Press
• Beasley, D., Bull, D.R., & Martin, R.R. (1993) "An Overview of Genetic Algorithms: Part 1, Fundamentals", University Computing, 15(2) 58-69.
• Beasley, D., Bull, D.R., & Martin, R.R. (1993) "An Overview of Genetic Algorithms: Part 2, ", University Computing, 15(4) 170-181.