Optimización de Beneficios en una Planta Solar usando Algoritmos Genéticos

Este proyecto implementa diversos algoritmos genéticos para maximizar las ganancias en la compra y venta de energía en una planta solar. Utilizando técnicas de optimización basadas en algoritmos evolutivos, se busca obtener soluciones eficientes para mejorar los beneficios de la planta.

Descripción del Proyecto

Los algoritmos genéticos son métodos inspirados en la evolución natural y la selección genética que se aplican en problemas de optimización. Este proyecto implementa varias técnicas de algoritmos genéticos y variantes como búsqueda local y CHC (Cross-generational elitist selection, Heterogeneous recombination, and Cataclysmic mutation), enfocadas en la optimización de funciones multimodales.

Archivos Principales

• BusquedaLocal.py: Contiene métodos de búsqueda local para mejorar soluciones de manera iterativa, explorando el vecindario de soluciones actuales.
• CHC.py: Implementación del algoritmo genético CHC, que utiliza estrategias avanzadas de recombinación y mutación para explorar el espacio de búsqueda.
• GeneticoBasico.py: Un algoritmo genético básico que sirve como punto de partida, proporcionando una implementación estándar de selección, cruce y mutación.
• Multimodal.py: Enfocado en optimización para problemas multimodales, permitiendo encontrar múltiples óptimos locales en la función objetivo.
• base.py: Define clases o funciones base utilizadas por los otros módulos del proyecto, estandarizando la funcionalidad y estructura de los algoritmos.
• main.py: Script principal que coordina la ejecución de los diferentes algoritmos y gestiona el flujo de optimización.

Objetivo del Proyecto

El objetivo de este proyecto es maximizar los beneficios de una planta solar optimizando las decisiones de compra y venta de energía mediante algoritmos genéticos. Cada algoritmo explora diferentes enfoques y estrategias para encontrar soluciones óptimas y robustas en el espacio de búsqueda.

Requisitos

• Python 3 y las siguientes bibliotecas:
  • numpy
  • matplotlib (opcional, si se realizan visualizaciones)

Instala las dependencias con:

pip install numpy matplotlib

Cómo Ejecutar el Proyecto

Clona el repositorio en tu máquina local:

git clone https://github.com/juandidiaz/Algoritmos-Geneticos-para-optimizacion-del-beneficio-en-una-planta-solar.git
cd Algoritmos-Geneticos-para-optimizacion-del-beneficio-en-una-planta-sola

Ejecuta el archivo main.py para comenzar la optimización con el algoritmo deseado:

python main.py

Revisa los resultados de optimización generados por el algoritmo y evalúa las mejoras en los beneficios de la planta solar.

Notas

Cada algoritmo tiene diferentes parámetros que pueden ajustarse para obtener los mejores resultados. La experimentación con estos parámetros, como la tasa de mutación, el tamaño de la población y el número de iteraciones, puede impactar en la eficiencia y efectividad de la optimización.

Este proyecto proporciona una plataforma para experimentar y comparar distintos algoritmos genéticos y técnicas de optimización aplicadas a la industria de la energía solar.