¿Qué son los algoritmos evolutivos y en qué problemas se utilizan?
Son algoritmos basados en la evolución biológica que buscan soluciones óptimas en problemas con espacios de búsqueda grandes y no lineales.
Explica el papel de la población en los algoritmos evolutivos.
Es un conjunto de soluciones candidatas que evolucionan a través de operadores como mutación y selección para mejorar su calidad.
¿Cómo funciona el proceso de selección en los algoritmos evolutivos?
Se eligen las soluciones más prometedoras para generar nuevas soluciones en la siguiente iteración.
¿Cuál es la diferencia entre algoritmos evolutivos y genéticos?
Los evolutivos solo usan mutación, mientras que los genéticos incluyen cruce entre soluciones.
¿Qué es la optimización por colonia de hormigas y en qué se inspira?
Es un algoritmo inspirado en el comportamiento de las hormigas que buscan comida siguiendo rastros de feromonas.
¿Cómo influye la función de evaluación en los algoritmos evolutivos?
Permite medir la calidad de cada solución y guía la evolución de la población.
¿Cómo se puede evitar que un algoritmo genético se quede atrapado en óptimos locales?
Introduciendo mutaciones aleatorias y variando la presión de selección.
¿Por qué los algoritmos evolutivos pueden ser útiles en problemas dinámicos?
Porque permiten adaptarse a cambios en el tiempo ajustando la diversidad de la población.
Los algoritmos genéticos siempre garantizan encontrar la solución óptima. (V/F)
Falso. Encuentran soluciones aproximadas pero no siempre óptimas.
En los algoritmos evolutivos, la población se mantiene fija y nunca cambia. (V/F)
Falso. La población evoluciona con cada iteración.
La mutación en un algoritmo genético permite explorar nuevas soluciones. (V/F)
Verdadero. Ayuda a evitar la convergencia prematura.
La optimización por colonia de hormigas usa feromonas para guiar la búsqueda. (V/F)
Verdadero. Las feromonas ayudan a reforzar buenos caminos.
En los algoritmos evolutivos, el elitismo garantiza que las mejores soluciones se mantengan. (V/F)
Verdadero. Evita la pérdida de soluciones prometedoras.
El cruce en algoritmos genéticos combina dos soluciones para generar nuevas. (V/F)
Verdadero. Se basa en la reproducción biológica.
La colonia de hormigas siempre encuentra la mejor solución en la primera iteración. (V/F)
Falso. El proceso mejora gradualmente con el tiempo.
Los algoritmos evolutivos solo pueden usarse en problemas de optimización continua. (V/F)
Falso. También pueden aplicarse a problemas discretos.
Los algoritmos evolutivos imitan el proceso de ___________ biológica.
evolución.
En los algoritmos genéticos, el ___________ combina dos soluciones para generar una nueva.
cruce o recombinación.
La optimización por colonia de ___________ se inspira en el comportamiento de estos insectos.
hormigas.
La función de ___________ mide la calidad de cada solución en los algoritmos evolutivos.
evaluación.
El ___________ es una técnica en algoritmos evolutivos que preserva las mejores soluciones.
elitismo.
En un algoritmo genético, la ___________ introduce cambios aleatorios en una solución.
mutación.
La representación en algoritmos genéticos convierte el ___________ en un genotipo procesable.
fenotipo.
En la colonia de hormigas, el rastro de ___________ guía la exploración del entorno.
feromonas.
