Unidad 7 > Algoritmos genéticos > Introducción

7.1. Introducción

Esta última unidad tratará sobre una herramienta de programación que ha ido tomando terreno en los últimos años debido a las posibilidades que ofrece, los algoritmos genéticos. Lo interesante será entender cómo, mediante estas herramientas, se puede dotar a los programas de Processing de comportamientos basados en las respuestas biológicas, en este caso, más ligados a las teorías de evolución y genética.

En términos generales, los algoritmos genéticos son algoritmos de búsqueda inspirados en procesos de selección natural con base en la teoría de la evolución de Darwin.

Se puede decir que estos algoritmos establecen una analogía entre el conjunto de soluciones de un problema (todas las posibles formas de resolverlo) y el conjunto de individuos de una población (de qué forma o cuál de esos individuos pueden aportar a la resolución del problema).

Estos algoritmos se aplican en problemas de optimización y se comportan de un modo muy eficaz en resoluciones de dificultad alta. Sin embargo, el uso de estos algoritmos en procesamiento de imagen y comportamientos de sistemas generativos son de suma utilidad y puede generar un valor agregado al desarrollo final de una posible obra digital.

Según el texto de Pazos et al. (2007), los fundamentos de los algoritmos genéticos se encuentran detrás de la idea de que la naturaleza utiliza potentes medios para impulsar la evolución satisfactoria de los distintos tipos de organismos.

Los organismos que son poco aptos para un determinado ambiente mueren, en tanto que los que están bien adaptados para vivir, se reproducen. Ocasionalmente, se producen mutaciones al azar, y aunque la mayor parte de estas, implican el pronto deceso del individuo mutado, algunos dan como resultado nuevas y satisfactorias especies. Así, los algoritmos genéticos se encuentran dentro de las llamadas técnicas de Computación Evolutiva.

Los algoritmos genéticos trabajan sobre poblaciones de individuos que representan soluciones a un problema. Para ello, utilizan las operaciones de selección, cruce y mutación, propias de la genética. De esta manera, mediante estos individuos, se codifican diferentes soluciones al problema, inicialmente aleatorias. Luego, los individuos se agrupan en una población y se van combinando entre sí, de forma que a medida que pasan las generaciones, se van ajustando más a la solución final. Los individuos de una generación genética compiten entre sí para ofrecer la mejor solución al problema que se está tratando de resolver.

Para entender los procedimientos y nociones en los que se basan los algoritmos genéticos, se comenzará por estudiar y entender las nociones básicas que propone la teoría de la evolución.

Boletin Board System, eran sistemas de noticias, descarga de archivos y mensajería. Estos sistemas funcionaron desde mediados de la década de 1980 hasta los albores del 2000, cuando fueron totalmente reemplazados por Internet. Si bien, en un principio funcionaban como repositorios de programas e información técnica (electrónica, informática, etc.), rápidamente comenzaron a ser utilizados por el público en general, ávido de la posibilidad de utilizar la mensajería que estos sistemas proveían. La red Fidonet, una de las primeras redes mundiales amateur de distribución de mensajes, fue un claro ejemplo de la necesidad colectiva de conexión y comunicación, presente en los cinco continentes y con "nodos" en prácticamente todos los países del mundo. La red consistía en computadoras con módem de los participantes que se ponían a disposición de la comunidad, y atendían el teléfono de forma automática, en determinados horarios.

En 1913, Émile Bore propone que si un millón de monos mecanografiaran diez horas al día, sería extremadamente improbable que pudiesen producir algo que fuese igual a lo contenido en los libros de las bibliotecas más ricas del mundo. Ya en la década del 1970, el teorema se empezó a plantear con una cantidad infinita de monos que tipeando una cierta cantidad de tiempo podrían producir un texto legible. De hecho, una cantidad infinita de monos, podría tipear cualquier texto de una forma instantánea y un número infinito de veces. En el contexto de un programa de computación, los monos no son en realidad monos, sino que se trata de una metáfora de una secuencia aleatoria de letras, y donde se utiliza la probabilidad para resolver diferentes posibles problemas.