Algoritmos de optimización y estrategias de búsqueda — Gradient Descent y A* (Guía completa)

Este hub organiza de una vez el punto de partida de la optimización → óptimo local vs óptimo global → estrategias de búsqueda más representativas → optimización matemática y te guía directamente al siguiente artículo.
Puedes elegir enseguida el punto de partida principal, el punto de partida más práctico o la ruta más corta según tu objetivo.

04/17/2026

Computación Evolutiva — Optimización que mejora soluciones con selección, cruce y mutación

La Computación Evolutiva es una familia de métodos de optimización que mantiene una población de soluciones candidatas y las mejora generación tras generación. En cada iteración, conserva con mayor probabilidad las mejores (selección), mezcla partes de soluciones (cruce) e introduce pequeñas variaciones aleatorias (mutación) para explorar alternativas. Su ventaja clave es que puede funcionar incluso sin gradientes o con funciones objetivo “rugosas”, siempre que se pueda evaluar cada candidato.

01/28/2026

Programación Genética — Evolucionar la forma de las reglas y las fórmulas

La Programación Genética es un método de búsqueda evolutiva en el que las soluciones candidatas no son solo vectores numéricos, sino la estructura de una regla ejecutable: una expresión, una regla condicional o un procedimiento simple. Repitiendo selección, cruce y mutación a lo largo de generaciones, encuentra reglas cada vez más efectivas. Es decir, no se limita a “optimizar el resultado”, sino que busca la forma de calcular el resultado.

01/28/2026