SciELO - Scientific Electronic Library Online

 
vol.13 issue4A Robust Evolvable System for the Synthesis of Analog CircuitsA Self-Adaptive Ant Colony System for Semantic Query Routing Problem in P2P Networks author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Computación y Sistemas

Print version ISSN 1405-5546

Comp. y Sist. vol.13 n.4 México Apr./Jun. 2010

 

Artículos

 

New Algorithm Transgenic with Homology to solve the problem of OneMax

 

Nuevo Algoritmo Transgénico con Homología, para resolver el problema del OneMax

 

Christian José Correa Villalón1, Felipe Padilla Díaz1, Eugenio Pérez Molphe1, Eunice Ponce de León, Fátima Sayuri Quezada Aguilera1 and Julio César Ponce Gallegos1

 

1 Universidad Autónoma de Aguascalienes (Departamento de Inteligencia Artificial); UAA, crisjc_2000@yahoo.com.mx, fpadilla@correo.uaa.mx, eponce@correo.uaa.rax, sayu_172002@yahoo.com.mx, jcponce@correo.uaa.mx, apadilla@correo.uaa.mx

 

Article received on July 07, 2009.
Accepted on October 31, 2009

 

Abstract

Already proposed a new vision, a heuristic based on a modern branch of biology called Biotechnology. "This is any technological application that uses biological systems, living organisms, or derivatives thereof, to make or modify products or processes for specific use" [SCDB, 1992]. For individuals who have undergone any change in their genes through biotechnology techniques are known as Transgenic, they can be animals or plants. The changes applied to these individuals are made for a specific purpose; usually to improve an individual has highlighted some of its own characteristics [CNICE, 2001]. Now incorporates new elements to the first algorithm for transgenic improvement. Homology has been incorporated in the search for the fittest individuals. The Homology has been incorporated in the search for the fittest individuals. With the use of positive and negative homology.

Keywords: Transgenic Organisms, Biotechnology, New Algorithms Transgenic, GMO, Directed Crossing, Homology, Anti sense, Resolution.

 

Resumen

Ya se propuso una nueva visión, una heurística basada en una rama de la biología moderna llamada Biotecnología. "Es cualquier aplicación tecnológica que usa sistemas biológicos, organismos vivientes, o derivados de estos, para hacer o modificar productos o procesos para un uso específico" [SCDB, 1992]. A los individuos que han sufrido alguna alteración en sus genes a través de técnicas de biotecnología reciben el nombre de Transgénicos, estos pueden ser animales o plantas. Los cambios aplicados a dichos individuos son hechos persiguiendo un fin o propósito especifico, generalmente para mejorar ha dicho individuo o resalar algunas de sus propias características [CNICE, 2001]. Ahora se incorporan nuevos elementos al primer algoritmo transgénico. La homología se ha incorporado en la búsqueda de los individuos más aptos. Con el uso de la homología positiva y negativa.

Palabras clave: Organismos Transgénicos, Biotecnología, Nuevo Algoritmo Transgénico, OMG, Cruza Dirigida, Homología, Anti sentido, Resolución.

 

DESCARGAR ARTÍCULO EN FORMATO PDF

 

References

1. United Nations. (1993). Convenio sobre la Diversidad Biológica. United Nations. Treaty Series. Vol. 1760 I–30619. Retrieved from http://www.cbd.int/doc/legal/cbd–un–es.pdf        [ Links ]

2. Correa, C. J., Padilla, F., Pérez, E. & Quezada, F. (2007). Algoritmo Transgénico para resolver el problema del TSP. Tercer Congreso Mexicano de Computación Evolutiva COMCEV' 07, Aguascalientes, México, 75–78.        [ Links ]

3. De Luna, E. & Mishler, B.D. (1996). El concepto de homología filogenética y la selección de caracteres taxonómicos. Boletín de la Sociedad Botánica de México, 59(1), 131–146.        [ Links ]

4. Dorigo, M. & Stützle, T. (2004). Ant Colony Optimization. Cambridge, MA: MIT Press.        [ Links ]

5. Goldberg, D.E. (1989). Genetic Algorithms in Search, Optimization and Machine Learning. Reading MA: Addison–Wesley.        [ Links ]

6. Helsgaun, K. (2000). An Effective implementation of the Lin–Kernighan traveling sales heuristic. European Journal of Operation Research, 126(1), 106–130.        [ Links ]

7. Ignacimuthu, S. (2008). Biotechnology: an introduction. Oxford, UK: Alpha Science International.        [ Links ]

8. Llorà, X., Sastry, K, Goldberg, D. E., Gupta, A., & Lakshmi, L. (2005). Combating User Fatigue in iGAs: Partial Ordering, Support Vector Machines, and Synthetic Fitness. Genetic and Evolutionary Computation Conference GECCO'05, Washington, USA, 1363–1370.        [ Links ]

9. Melián, B., Moreno, J.A. & Moreno, J.M. (2003). Metaheurísticas: Una visión global. Revista Iberoamericana de Inteligencia Artificial, 7(19), 7–28.        [ Links ]

10. Miller, B. L. & Goldberg, D. E. (1995). Genetic Algorithms, Tournament Selection, and the Effects of Noise. Complex Systems, 9(3), 193–212.        [ Links ]

11. Ow, D. W., de Wet, J. R., Helinski, D. R., Howell, S. H., Wood, K V. & de Luca, M. (1986). Transient and stable expression of the firefly luciferase gene in plant cells and transgenic plants. Science, 234(4778), 856–859.        [ Links ]

12. Papadimitriou, C.H. (1998). Combinatorial Optimization: Algorithms and Complexity. Mineola, NY: Dover Publications.        [ Links ]

13. Prescott, L., Harley, J., & Klein, D. (1999). Microbiología (4). Madrid: McGraw–Hill Interamericana.        [ Links ]

14. Villalobos, V. (2007). Los Transgénicos: oportunidades y amenazas (1). Madrid: Mundi–Prensa.        [ Links ]

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License