Manual de instrucciones PALISADE EVOLVER 5.5

[. . . ] Guía para el uso de Evolver Solver de algoritmo genético para Microsoft Excel Versión 5. 5 febrero, 2010 Palisade Corporation 798 Cascadilla St. Ithaca, NY USA 14850 +1-607-277-8000 +1-607-277-8001 (fax) http://www. palisade. com (página Web) sales@palisade. com (correo electrónico) Copyright Copyright © 2010, Palisade Corporation. Reconocimiento de marcas comerciales Microsoft, Excel y Windows son marcas comerciales registradas de Microsoft Corporation. IBM es una marca comercial registrada de International Business Machines, Inc. Palisade, Evolver, TopRank, BestFit y RISKview son marcas comerciales registradas de Palisade Corporation. [. . . ] Esta tasa puede ser alterado por usuarios expertos para afinar el funcionamiento de Evolver en problemas complejos. Es decir, una tasa de 0. 5 significa que un organismo descendiente contiene aproximadamente el 50% de sus valores de variable de un padre y el resto de los valores del otro padre. Una tasa de 0. 9 significa que aproximadamente el 90% de los valores de un organismo descendiente provienen del primer padre y el 10% del segundo. Una tasa de Cruce de 1 significa que no se producirá ningún cruce, de forma que sólo se evaluarán los clones de los padres. La tasa predeterminada que usa Evolver es 0. 5. Cuando Evolver ha comenzado a resolver un problema, se puede cambiar la tasa de cruce usando el Observador del Evolver (consulte la sección Observador del Evolver de este capítulo). La tasa de mutación se puede ajustar entre 0. 0 y 1. 0, y refleja la probabilidad de que futuros escenarios contengan algunos valores aleatorios. Una tasa de mutación más alto simplemente significa que se introducirán más mutaciones o valores de "genes" aleatorios en la población. Como la mutación sucede después del cruce, si ajusta la tasa de mutación a 1 (100% de valores aleatorios) se impide efectivamente que el cruce tenga efecto, y Evolver genera escenarios totalmente aleatorios. Capítulo 5: Guía de referencia de Evolver 113 Si todos los datos de la solución óptima se encuentran en la población, el operador de cruce solo sería suficiente para generar la solución. La mutación ha demostrado ser una poderosa fuerza en el mundo biológico por muchas de las razones por las que es necesaria en el algoritmo genético: Es vital mantener una población diversa de organismos individuales, evitando así que la población sea demasiado rígida e incapaz de adaptarse a un entorno dinámico. Como en el algoritmo genético, muchas veces son las mutaciones genéticas en los animales lo que finalmente lleva al desarrollo de nuevas funciones vitales. En la mayoría de los casos, la configuración predeterminada de la mutación no necesita ajuste, si bien puede ser modificada por usuarios expertos para afinar el funcionamiento de Evolver en problemas complejos. Es posible que el usuario quiera potenciar la tasa de mutación si la población de Evolver es bastante homogénea, y no se han encontrado nuevas soluciones en los últimos cientos de pruebas. Los cambios típicos de configuración van de 0. 06 a 0. 2. Cuando Evolver ha comenzado a solucionar el problema, se puede cambiar la tasa de mutación dinámicamente a través del Observador del Evolver (consulte la sección Observador del Evolver más adelante en este capítulo). Si selecciona Auto en la lista desplegable del campo Índice de Mutación, se selecciona ajuste automático de la tasa de mutación. El ajuste automático de la tasa mutación permite a Evolver aumentar la tasa de mutación automáticamente cuando un organismo "envejece" significativamente; es decir, ha permanecido invariable durante un número extenso de pruebas. En muchos modelos, especialmente cuando la tasa de mutación óptimo se desconoce, seleccionar Auto puede generar mejores resultados más rápidamente. Número de bloques de tiempo y celdas de restricción Para obtener más información sobre estas opciones, consulte el método de solución Calendarización de la sección Métodos de solución de este capítulo. Tareas precedentes Para obtener más información sobre estas opciones, consulte el método de solución Proyecto de la sección Métodos de solución de este capítulo. 114 Comando Definición de Modelo Operadores Evolver incluye operadores genéticos seleccionables cuando se usa el método de solución Receta. Si hace clic en la pestaña Operadores del cuadro de diálogo Configuraciones de grupos de celdas ajustables podrá seleccionar un operador genético específico (como cruce heurístico o mutación de límites) para su uso al generar posibles valores de una serie de celdas ajustables. Además, puede hacer que Evolver pruebe automáticamente todos los operadores disponibles e identifique el que mejor funcione en su problema. Los algoritmos genéticos usan operadores genéticos para crear nuevos miembros de una población a partir de miembros actuales. Dos de los tipos de operadores genéticos que usa Evolver son el de mutación y el de cruce. El operador de mutación determina si se producirán cambios aleatorios de "genes" (variables) y cómo se producirán. [. . . ] Los puntos (o momentos) primero y segundo son la media y la desviación estándar respectivamente. Véase Kurtosis, Media y Desviación estándar En Evolver: Población Probabilidad Programas pequeños de resolución (Baby Solver) Pruebas Puntos altos Rangos El usuario establece el rango, o el valor más alto y más bajo que Evolver puede probar cuando ajusta una variable determinada. Aunque no es necesario para resolver un problema, el establecimiento de estos rangos limita las posibilidades y, por lo tanto, reduce la búsqueda de Evolver. En Excel: Un bloque de celdas contiguas de una hoja de cálculo que se define entre la celda superior izquierda y la celda inferior derecha (por ejemplo, A5:C9 describe un rango de 15 celdas). Glosario 213 Restricciones Las restricciones son condiciones que conviene cumplir (restricciones blandas) o que tienen que cumplirse (restricciones duras) para que un escenario sea considerado válido. Cuando una restricción no se tiene que cumplir necesariamente, se pueden imponer como una restricción blanda en lugar de dura. [. . . ]