El Algoritmo
Genético (AG) es un modelo de aprendizaje que debe su comportamiento a una
metáfora de algunos de los mecanismos de la evolución que se observan en la
naturaleza (como la reproducción sexual y el principio de la supervivencia del
más apto), son métodos adaptativos, generalmente usados en problemas de
búsqueda y optimización de parámetros.
Siguiendo la
definición dada por Goldberg en 1989:
“Los Algoritmos Genéticos son algoritmos de búsqueda basados en la
mecánica de la selección natural y de la genética natural. Combinan la
supervivencia del más apto entre estructuras de secuencias con intercambio de
información estructurado, aunque aleatorizado, para constituir así un algoritmo
de búsqueda que tenga algo de las genialidades de las búsquedas humanas”.
Los algoritmos de optimización combinatoria
resuelven instancias de problemas que se creen ser difíciles en general,
explorando el espacio de soluciones (usualmente grande) para estas instancias.
Los algoritmos de optimización combinatoria logran esto reduciendo el tamaño
efectivo del espacio, y explorando el espacio de búsqueda eficientemente. Estos
algoritmos se relacionan frecuentemente con problemas NP.
