1. GRAFICAS DE ERROR<br />Comportamiento de la población<br />Optimizacion de funciones<br />Matlab 2008.<br />Método de representación: binario<br />32 bits para cada parámetro (variable).<br />Tamaño de población: 200<br />Mutación de un punto.<br />Probabilidad de mutación: 0.15<br />Selección por ruleta.<br />Probabilidad de selección: 0.5<br />2423160165100<br />Función 4<br />2421255153670<br />Función 7 <br />2421255-42545Función 9<br />2421255130175<br />Función 12<br />241109529210Función 13<br />OPTIMIZACION DE FUNCIONES <br />TOOLBOX de Andrey Popov.<br />Método: GAminBC.<br />Representación con números reales.<br />Opciones de configuración (-3)<br />Comment: ': D Iter.100; Popul.20; TolX=1e-2; No Plot'<br />MaxIter: 100<br />PopulSize: 20<br />MutatRate: 0.3000<br />BestRate: 0.1000<br />NewRate: 0.1000<br />TolX: 0.0100<br />pSelect: 1<br />pRecomb: 0<br />Select: 1<br />RecIter: 1<br />Visual: 'some'<br />Graphics: 'off'<br />Fitness Proportional Selection<br />Gausian law selection<br />Ranking Selection<br />Recombination - Blend CrossOver<br />Generates random Mutations when Blend CrossOver<br />GRAFICAS DE ERROR<br />Comportamiento de la población<br />F4: [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [-1 1 1e-4], opt);<br />F7: [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [0 10 1e-4], opt);<br />F9: [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [-2 2 1e-4], opt);<br />F12: [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [-5 5 1e-4], opt);<br />F13 : [RGenes, RFit, RecGenes, RecFit] = GAminBC ( 'eval_sincos', [-10 10 1e-4], opt);<br />Tablas de resultados<br />REPRESENTACION REAL Función Promedio FitnessDesv.Est.MínimoError Best(Min)MediaMediarealMínimo40.00810.06570.09700.00000.06577-16.3946-15.89441.0105-18.55472.66039-1.3402-1.50840.1117variosvarios12-0.5230-0.51980.0166-0.52310.0033130.23360.47570.27620.00000.4757<br />REPRESENTACION BINARIA Función Promedio FitnessDesv.Est.MínimoError Best(Min)MediaMediarealMínimo40.00100.03850.14360.00000.03857-18.5539-18.51180.1910-18.55470.04299-3.4768-3.13130.4431variosvarios12-0.5231-0.52260.0029-0.52310.0005130.05690.01140.09990.00000.0114<br />Conclusiones:<br />Se utilizaron dos algoritmos de diferentes autores pero los resultados en ambos casos fueron buenos. <br />Lo que se observa es que la población aunque fue aplicada 10 veces mayor en el binario, no afectó en considerablemente el resultado. <br />Para todas las funciones el error fue pequeño, a excepción de la función 7 con representación real, en ninguna generación pudo el algoritmo llegar al mínimo y el mejor caso no fue mayor a -16.3946, sin incluir este caso, el peor error mínimo se muestra en la función 13 con representación real con 0.4757.<br />El mejor de los casos se ve en la función 12 con representación binaria, tiene un error mínimo de 0.0005. <br />En base a estas tablas se puede afirmar que es mejor utilizar representación binaria, arroja mejores resultados si se requiere mayor exactitud para estos casos particulares de funciones.<br />