Algoritmos Genéticos con Python

Algoritmos Genéticos con Python é do autor Daniel Gutiérrez, Alejandro Tapia y Alvaro Rodríguez e tentar

Desde su aparición en la década de los 60, los algoritmos genéticos han ido ganando popularidad, gracias al frenético crecimiento de la capacidad computacional en los últimos años. Finalmente se han abierto  camino en el ámbito de la ingeniería como una de las herramientas más  prometedoras para resolver problemas de gran complejidad, inabordables desde los enfoques clásicos de la ingeniería. Los algoritmos genéticos son estrategias de resolución de problemas de optimización basados en la teoría de la selección natural de Darwin, mediante la cual aquellos individuos más aptos para sobrevivir tienen una mayor probabilidad de crear descendencia y transmitir su información genética. Partiendo de esta base, son muchas las propuestas que se han desarrollado para abordar una gran cantidad de problemas de diferentes áreas de la ingeniería. En este libro le proponemos adentrarte en el mundo de los algoritmos genéticos utilizando Python, uno de los lenguajes de programación más populares en la actualidad y con más crecimiento durante los últimos años. Los contenidos del libro se han diseñado para que sean sencillos, concisos  y fáciles de implementar, con ejemplos directos de aplicación para que pueda practicar desde la primera página. Con este libro aprenderá a: oEntender la naturaleza y el funcionamiento de los algoritmos genéticos, comprendiendo las diferentes operaciones y procesos que lo componen. oConocer las diferentes implementaciones de los algoritmos genéticos de mayor relevancia, así como identificar las ventajas e inconvenientes de cada uno para determinar su potencial para resolver un determinado problema. oConocer a fondo y utilizar los diferentes operadores (selección, mutación y cruce) que la librería deap pone a su disposición. oDesarrollar un algoritmo genético desde cero en Python y utilizarlo para resolver sus propios problemas de ingeniería.  oConocer y estudiar aplicaciones de relevancia de algoritmos genéticos en el ámbito de la ingeniería, tales como la gestión del despacho económico, el diseño de plantas hidroeléctricas o la disposición de sensores inalámbricos.