REVISTA DE INGENIERIA DYNA

Palabras clave:

QGA, IQGA, GA, genetic algorithm, Quantum Genetic Algorithm, quantum computing, quantum optimization, hybrid algorithms, evolutionary computation, quantum parallelism, qubits, superposition, algorithmic complexity, machine learning integration, quantum-inspired computation, algoritmo genético, algoritmo genético cuántico, computación cuántica

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Los algoritmos genéticos (GAs, sigla en inglés) son un tipo de técnica de optimización computacional inspirada en la teoría de evolución de Darwin, que utilizan conceptos genéticos como mutación, cruzamiento o selección natural para emular la evolución de una especie. Los GAs son utilizados con los problemas de optimización como métodos incompletos de resolución de problemas para encontrar soluciones aceptables realizando búsqueda estocástica y sin garantizar un óptimo global, pero reduciendo el tiempo de ejecución y capacidad computacional requerida. Este artículo introduce las diversas variantes del GA cuántico (QGA, sigla en inglés), que se utilizan ampliamente en diferentes aplicaciones de los GAs. El artículo presenta los QGA mejorados (IQGA, sigla en inglés), como una versión cuántica del GA clásico, detallando cómo aprovecha el paralelismo y la superposición cuántica para reducir la complejidad temporal de las operaciones genéticas y destacando su papel crucial en diversas aplicaciones. El análisis también aborda los fundamentos matemáticos del IQGA y las ventajas y desafíos clave asociados con su uso en varias aplicaciones. Finalmente, concluye con una exploración de las aplicaciones actuales y potenciales del IQGA y las características comunes de varias implementaciones de IQGA.