Resumen
Se presenta en este trabajo, una estrategia evolutiva para su uso en problemas de optimización matemática de múltiples variables en una sola función objetivo, Los principales métodos evolutivos están basados en poblaciones de soluciones que repetidamente son sometidas a operadores genéticos de variación ( selección, cruce, mutación), y de manera gradual la medida poblacional de adaptación va convergiendo hacia valores óptimos de la función de evaluación, es decir, la población de soluciones va paulatinamente “evolucionando” hacia un punto óptimo. Los algoritmos evolutivos, como todas las ramas de la computación natural, nacieron como modelos inspirados en la naturaleza. Sus diferentes variantes emulan con mayor o menor relevancia elementos de la dinámica natural de interacciones entre seres vivos. La estrategia aquí propuesta, pretende modelar uno de los factores mas observados dentro de estas interacciones entre seres vivos, como lo es la separación y especialización de tareas cruciales para la supervivencias, basada en el género, Los operadores genéticos de selección, cruce y mutación fueron también adaptados para coincidir con su contra-parte biológica, es decir, el operador de selección fue diseñado con diferentes funciones de evaluación a individuos de diferentes grupos, el operador de cruce fue restringido a ser aplicado solo entre individuos de diferentes grupos y el operador de mutación fue aplicado con mayor frecuencia a los individuos de un grupo en comparación al otro. Como se describirá en el desarrollo de este trabajo, todos estos elementos modelan una situación biológica observada y el resultado de las pruebas preliminares sugieren que la estrategia es una poderosa herramienta para su uso en problemas de optimización matemática