Evolución de la Computación Evolutiva

PANORAMA GENERAL

Cómo evolucionó una idea

La computación evolutiva reúne métodos inspirados en procesos de variación, selección y adaptación. A lo largo del tiempo surgieron distintas corrientes: Programación Evolutiva, Estrategias Evolutivas, Algoritmos Genéticos, Programación Genética y, más recientemente, aplicaciones en optimización multiobjetivo y redes neuronales.

LÍNEA DEL TIEMPO

10 generaciones de avances

GEN 01Fundamentos

1948

Máquinas autorreplicantes

John von Neumann

Antecedentes teóricos de la autorreproducción y de la vida artificial.

GEN 02Vida artificial

1954

Evolución artificial

Nils Aall Barricelli

Primeros experimentos computacionales con poblaciones digitales.

GEN 03EP

1962

Programación Evolutiva

Lawrence J. Fogel

Evolución de máquinas de estados mediante mutación y selección.

GEN 04ES

1960s

Estrategias Evolutivas

Rechenberg & Schwefel

Optimización numérica basada en mutación, selección y adaptación.

GEN 05Precursor GA

1960s

Primeros trabajos de Holland

John Holland

Población, selección, recombinación, mutación y esquemas.

GEN 06Hito clave

1975

Algoritmos Genéticos

John Holland

Formalización de uno de los pilares de la computación evolutiva.

GEN 07GP

1992

Programación Genética

John R. Koza

Los programas y expresiones también pueden evolucionar.

GEN 08Consolidación

1990s

Madurez del campo

Computación Evolutiva

Las principales corrientes se integran en un campo común.

GEN 09NSGA-II

2002

Optimización Multiobjetivo

Kalyanmoy Deb et al.

Pareto, diversidad y elitismo para optimizar múltiples objetivos.

GEN 10Actualidad

2017+

Neuroevolución moderna

Investigación contemporánea

La evolución se combina con redes neuronales y aprendizaje automático.