Enfoque de Evaluación para la Configuración de Parámetros en Algoritmo Genético: Un Caso del Problema de la Mochila 0-1

La experimentación con diferentes configuraciones del algoritmo genético reveló que una baja probabilidad de mutación, combinada con un tamaño de torneo adecuado, mejora significativamente el rendimiento del algoritmo. Esto se refleja en la reducción del GAP promedio y la maximización del valor objetivo alcanzado, estableciendo así parámetros de referencia cuantificables para implementaciones eficientes del problema de la mochila 0-1. La novedad del estudio radica en ofrecer directrices concretas para aplicaciones prácticas, identificando relaciones consistentes entre la configuración de parámetros y el comportamiento del algoritmo. Si bien los AG son eficaces en la exploración de grandes espacios de búsqueda en problemas NP-completos, este trabajo demuestra que requieren una calibración precisa para evitar la convergencia prematura. Se constató que la probabilidad de mutación y el tamaño del torneo influyen directamente en las dinámicas exploratoria y explotadora del algoritmo. En general, combinaciones con baja mutación y torneos intermedios ofrecieron un buen equilibrio entre calidad de solución y estabilidad, mientras que valores extremos (mutación de 0.20 o torneo k = 2/k=4) incrementaron la variabilidad del rendimiento, especialmente en problemas de mayor escala. Estos hallazgos evidencian la sensibilidad del algoritmo a dichos parámetros y destacan la importancia de ajustes cuidadosos para preservar su eficacia ante escenarios complejos.