Executive Secretary
XIV International Symposium on Structures, Geotechnics and Construction Materials
ESTRUCTURAS 2025
14th Colloquium on Structural Analysis, Design and Monitoring
Abstract
Evolutionary algorithms (EAs) are population-based search and optimization techniques, inspired by biological evolution. They can solve complex non-linear optimization problems, and they can successfully handle problems with many local optima. This tutorial provides a comprehensive introduction to genetic algorithms and other prominent evolutionary algorithms, such as evolutionary strategies, genetic programming, and particle swarm optimization. We present the fundamental principles, key operators (selection, crossover, mutation) and algorithmic structures.
We first give a brief overview of which elements of Darwinian evolution and genetics are exploited in EAs. We then focus on genetic algorithms: encoding schemes, exploration vs. exploitation trade-offs, and convergence behavior. Afterward, we discuss the main ingredients of other evolutionary strategies and hybrid models. We address practical aspects, such as parameter tuning, constraint handling, and computational efficiency.
Resumen
Los algoritmos evolutivos (AE) son técnicas de búsqueda y optimización basadas en poblaciones, inspiradas en la evolución biológica. Pueden resolver problemas complejos de optimización no lineal y manejar con éxito problemas con muchos óptimos locales. Este tutorial ofrece una introducción exhaustiva a los algoritmos genéticos y a otros algoritmos evolutivos destacados, como las estrategias evolutivas, la programación genética y la optimización por enjambre de partículas. Presentamos los principios fundamentales, los operadores clave (selección, cruce, mutación) y las estructuras algorítmicas.
En primer lugar, hacemos un breve repaso de los elementos de la evolución darwiniana y la genética que se aprovechan en las EA. A continuación, nos centramos en los algoritmos genéticos: esquemas de codificación, equilibrios entre exploración y explotación y comportamiento de convergencia. A continuación, analizamos los principales ingredientes de otras estrategias evolutivas y modelos híbridos. Abordamos aspectos prácticos, como el ajuste de parámetros, la gestión de restricciones y la eficiencia computacional.
Al final, mostramos cómo las EA pueden resolver con éxito algunos problemas de optimización del mundo real en ingeniería estructural y geociencias.
About The Speaker
Prof. Dirk Roose

Discussion