Diseño e implementación de un algoritmo genético para la predicción de una variable

Abstract

Resumen. Este artículo describe la aplicación de un algoritmo genético para obtener una mejor precisión de pronóstico de cualquier variable utilizando datos históricos. Para medir esta precisión, se utilizó el tipo de cambio peso mexicano-dólar estadounidense en México en comparación con las predicciones calculadas por el método estadístico de promedios móviles. El problema consiste en obtener los valores que minimizan el error cuadrático promedio entre el valor real y el valor de pronóstico para obtener una predicción con un margen de error mínimo. La aplicación del algoritmo genético fue diseñada utilizando cromosomas de representación real, el operador BLX-0.5 de cruce y el operador de mutación no uniforme por ser los operadores que ofrecen una mejor capacidad de exploración y explotación, lo que da como resultado el algoritmo genético que proporciona un aumento de precisión del 14% en comparación con la precisión del método estadístico de media móvil. Palabras clave: algoritmos genéticos, predicción, promedios móviles. Abstract. This article describes the application of a genetic algorithm to obtain a better forecast precision of any variable using historical data. In order to measure this precision, the exchange rate Mexican Peso-US Dollar in Mexico was used in comparison with the predictions calculated by the statistical method moving averages. The problem consisted of obtaining the values that minimize the average quadratic error between the real value and the forecast value to obtain a prediction with a minimum error margin. The genetic algorithm application was designed using the following real representation chromosomes: the crossing BLX-0.5 operator as well as the non-uniform mutation operator. These operators offer a better capacity on exploration and exploitation resulting in the genetic algorithm that provides a precision increase of 14% in comparison to the precision of the statistical moving average method.