Mutación
En el caso de este trabajo, intercambiar el valor de un bit o de un nú-
mero hexadecimal aleatoriamente sería desastroso, se crearían resultados
prohibidos y todo el esfuerzo hecho en la parte de inicialización habrá
sido en vano.
Para evitar crear resultados prohibidos al utilizar la mutación tradicio-
nal, se utilizó un operador especializado para aplicarlo al gen cuando este
deba mutar. Este operador mantiene las condiciones iniciales de cada gen:
ser una serie de números hexadecimales desordenados aleatoriamente. El
operador utilizado es la transposición (Merelo, 19970).
Consiste en hacer un corrimiento de los caracteres dentro del gen. Si el
gen es /98AB/ una mutación-transposición, dará como resultado /8AB9/
o /B98A/. El último carácter pasará a ocupar la primera posición o vice-
versa.
Remplazo
Al finalizar el cruzamiento y, en su caso, la mutación, se evalúa al
descendiente. Si su fitness es mayor que el del peor individuo de la pobla-
ción y si no existe un individuo idéntico en la población, el descendiente
remplaza al individuo con peor fitness en la población.
Operador juicio final
Si aún con poblaciones grandes y aleatoriedad en la selección de los
padres se presenta el estancamiento en un máximo local y la convergencia
prematura (Rocha y Neves,1999), se puede recurrir al operador “Juicio
Final”. Este operador solo conservará al mejor individuo de la población,
de acuerdo a su fitness. El resto de la población será vuelta a generar
aleatoriamente.
Resultados
En la prueba 1 se utilizó el mismo horario de la tabla plantilla mostrada
en la Tabla 2. Los horarios deseados por los maestros se detallan en la
Tabla 3:
Tabla 4. Resumen de resultados.
Los resultados indican que el programa propuesto puede generar pro-
puestas de horarios aceptables en un tiempo menor a ocho segundos, en
el peor de los casos.
Por cuestiones de espacio, se omiten las tablas de la segunda prueba, la
cual se hizo con un horario de 137 horas, con 21 maestros involucrados y
los resultados fueron del orden del 97% en un tiempo razonable de entre
dos y tres minutos.
Tabla 3. Horarios maestros.
Se utilizó un tamaño de la población de mil individuos y una tasa de
mutación de 1 gen en cada mil. No se utilizó el operador Juicio Final. En
la Tabla 4 se detallan los resultados.
106
Revista Científica
Conclusiones y trabajos futuros
Los resultados indican que el programa propuesto puede generar pro-
puestas de horarios aceptables en un tiempo razonable. Dada la naturaleza
misma del problema, es muy difícil establecer una comparación con el
trabajo que podría hacer una persona.