Resumen de Mantenimiento de la diversidad en algoritmos evolutivos multiespecie

Jesús-Antonio Hernández-Riveros

• En esta tesis doctoral se presenta un nuevo método para la exploración de espacios multimodales. Este método, resultado de combinar diferentes niveles de organización de la información -onto, filo y epigenéticos, con diversas formas de interacción de la población -las relaciones interespecíficas sinecológicas, y con la capacidad de búsqueda de los algoritmos evolutivos, se ha denominado: Algoritmos Eco-Evolutivos.

  En los Algoritmos Eco-Evolutivos se asume que el espacio es un ecosistema con varias especies y el nicho que ocupan corresponde a un óptimo. Los individuos, representados en valor real, se agrupan por especies, con varios procedimientos de detección de valles y cimas. El tamaño de los nichos es variable, la densidad poblacional de las especies depende de su evolución y de la migración desde otros nichos.

  De manera simultánea se realizan acciones de cooperación y competencia, pero no entre individuos sino en un nivel colectivo, entre las especies, y de acuerdo a las especies existentes en el momento. La identificación de especies es dinámica, en cada paso generacional se explora el espacio buscando nuevas especies. Los operadores evolutivos se aplican a los individuos quienes colaboran con su ajuste en el valor medio de la especie, valor que se tiene en cuenta junto con la vecindad y la similitud fenotípica de las especies para definir las relaciones sinecológicas en que participan. El entorno es dinámico en el sentido que las relaciones entre las especies se establecen de nuevo en cada paso generacional, según su propia evolución y, la aparición de otras especies. Las especies pueden persistir a medida que se consolidan en el tiempo, reduciendo el espacio de búsqueda. El proceso de evolución continúa de forma que los individuos de cada especie tienden al óptimo de su nicho, y termina en estado estacionario, cuando no se encuentran más especies. Se demuestra la eficacia del método con diferentes casos de experimentación.

  Con los algoritmos Eco-Evolutivos no es necesario proporcionar información previa sobre el espacio de búsqueda. En todos los casos resueltos, con una gran eficiencia se encontraron los óptimos locales y, siempre el óptimo global.