Programación Genética y Métodos Numéricos Aplicados a

Programación Genética y Métodos Numéricos Aplicados a la Regresión Simbólica
Nélida Beatriz Brignole, Rocío Luján Cecchini
(OBS: este es el texto a incluir como pié de página)
Departamento de Ciencias e Ingeniería de la Computación, Universidad Nacional del Sur,
Bahía Blanca, Argentina
Abstract. En este trabajo se presenta una nueva técnica para regresión simbólica, que
aprovecha simultáneamente las ventajas ofrecidas por la programación genética y por los
métodos matemáticos para ajuste de datos. La nueva propuesta es sumamente versátil
pues permite obtener expresiones de regresión de naturaleza no lineal. En particular se
utiliza un esquema multi-objetivo para generar expresiones que minimizan el error en los
valores muestrales y además producen funciones con un comportamiento suave. La nueva
metodología se aplicó exitosamente para encontrar una nueva regresión de la expresión
de capacidad de calor del propano en estado gaseoso que mejora la anterior reportada en
la literatura.
Keywords: Programación genética, Regresión simbólica, multi-objetivo.
1 Introduction
La programación genética (PG) es un método sistemático que filtra una población de
programas de computadora creados aleatoriamente. Este conjunto evoluciona
progresivamente hasta convergencia a una solución satisfactoria. Tal como sucede en los
algoritmos genéticos (AGs) clásicos, la búsqueda se basa en los principios Darwinianos
de selección natural (supervivencia del más apto) e incluye analogías de varias
transformaciones que ocurren en la naturaleza, incluyendo fenómenos de cruzamiento
(recombinación sexual), mutación, duplicación y eliminación genética.
A diferencia de los AGs tradicionales, en programación genética cada individuo es un
programa o función en sí mismo. Así, el resultado de la ejecución de un algoritmo en
programación genética es otro programa. De este modo, la técnica es un planteo de nivel
superior, más flexible, que permite contemplar simultáneamente un mayor número de
alternativas complejas.
La programación genética es una metodología novedosa que surgió a principios de la
década del 90 [1]. Hasta el momento ha sido empleada para resolver una amplia variedad
de problemas incluyendo redes de reacciones químicas [2], síntesis de circuitos
analógicos [3] y diseño de controladores [4]. Dado que el espacio de búsqueda suele
tornarse muy amplio.
Koza ha mostrado que la programación genética puede ser aplicada a una gran diversidad
de problemas. Especialmente ha ilustrado su uso en problemas de control (donde se
obtuvieron resultados considerablemente mejores en problemas bien conocidos), robotic
planning (artificial ant), regresión simbólica y el ya conocido problema del multiplexor
booleano de 11 entradas.
Las aplicaciones que se consideran en nuestro caso pertenecen al dominio de Regresión
Simbólica. Nuestro objetivo es lograr expresiones de formato libre