I started elementary school in 1991.
I grew up in Candelaria,Campeche.

I visited Palenque, Chiapas on june, 2000

In Mexico and some southem states the people eat tamales. In Yucatan, Tabasco, Chiapas and Campeche custom to eat tamales colados wrapped with leaf of bananas. This custom is for day the candelaria and day of dead.
Ingredients:
1 kg of mass for tortillas
2 Liters of water
500 grs of lard of pork
1 teaspoonful of grains of achiote
3 leaves of epazote
40 rectangles of leaf of banana, roasted
1 chicken
600 grs of leg of pork
4 garlic
8 peppers
A pinch of cumin
1 achiote
½ liter of broth
400 grs of tomatoes
3 leaves of epazote
Salt
*Sauce of chile habanero
Every year in Mexico city feast the Latin-American fair of the tamal.

My dream house is a cabin in the forest. There is one large room. The cabin has a big windows of crystal. There are four bedrooms. This bedrooms there is a bed. There are armchairs and there is a desk. There are curtains and lamps. There is a mirror on the desk. There is stove in the kitchen. There is microwave oven in the kitchen. There is a table in the kitchen and there are some chairs in the kitchen. There is a table in the dining room and there are chairs in the dining room. There aren’t any curtains in the dining room. There is a sofa in the living room. There are lamps and curtains in the living room. There are two bathrooms in the second floor and there is one bathroom in the first floor. There is a big yard and there are many trees and flowers. I do live with my family. We like to see the dawns.
Algoritmos Genéticos
Los algoritmos genéticos han causado en la comunidad científica internacional un creciente interés en esta nueva técnica de búsqueda basada en la teoría de la evolución. Esta técnica esta basada en los mecanismos de selección que utiliza la naturaleza, de acuerdo a los cuales los individuos mas aptos de una población son los que sobreviven, al adaptarse mas fácilmente a los cambios que se producen en su entorno.
¿Qué es un algoritmo genético?
Un algoritmo genético (AG) es una técnica de programación que imita a la evolución biológica como estrategia para resolver problemas. Dado un problema específico a resolver, la entrada del AG es un conjunto de soluciones potenciales a ese problema, codificadas de alguna manera, y una métrica llamada función de aptitud que permite evaluar cuantitativamente a cada candidata. Estas candidatas pueden ser soluciones que ya se sabe que funcionan, con el objetivo de que el AG las mejore, pero se suelen generar aleatoriamente.
Son una parte de la computación evolutiva que a su vez es una creciente rama de la Inteligencia Artificial.
Los algoritmos genéticos son uno de los miembros más representativos de las técnicas heurísticas modernas.
Historia
La evolución biológica es el proceso continuo de transformación de las especies a través de cambios producidos en sucesivas generaciones. El naturalista Charles Darwin definió en su libro “Sobre el Origen de las Especies por medio de la Selección Natural” la Selección Natural o Supervivencia del más Adaptado como el proceso del resguardo de las variaciones y diferencias benévolas en cada individuo, así como la destrucción de aquellas variaciones dañinas. Dentro de la naturaleza, los individuos deberán de adaptarse a su entorno para poder sobrevivir mediante el proceso que llamamos evolución, en el cual aquellas características o cambios que favorecen su competitividad son preservados, y aquellas características que disminuyen su adaptación son excluidos.
Un algoritmo genético puede presentar diversas variaciones, dependiendo de cómo se aplican los operadores genéticos (cruzamiento, mutación), de cómo se realiza la selección y de cómo se decide el reemplazo de los individuos para formar la nueva población
Como los Algoritmos Genéticos se encuentran basados en los procesos de evolución de los seres vivos, casi todos sus conceptos se basan en conceptos de biología y genética que son fáciles de comprender.
Aplicaciones
La aplicación más común de los algoritmos genéticos ha sido la solución de problemas de optimización, en donde han demostrado ser muy eficientes y confiables. Algunas características de estas aplicaciones:
v Su espacio de búsqueda o sus posibles soluciones debe estar delimitado dentro de un cierto rango.
v Debe poderse definir una función de aptitud que nos indique qué tan buena o mala es una cierta respuesta.
v Las soluciones deben codificarse de una forma que resulte relativamente fácil de implementar en la computadora.
Un AG utiliza reglas de transición probabilísticas, no deterministas, lo cual hace que dos aplicaciones consecutivas de un AG a un mismo problema puedan producir dos soluciones distintas.
Ventajas y desventajas
v No necesitan conocimientos específicos sobre el problema que intentan resolver.
v Operan de forma simultánea con varias soluciones, en vez de trabajar de forma secuencial como las técnicas tradicionales.
v Cuando se usan para problemas de optimización resultan menos afectados por los máximos locales que las técnicas tradicionales.
v Resulta sumamente fácil ejecutarlos en las modernas arquitecturas masivas en paralelo.
v Usan operadores probabilísticos, en vez de los típicos operadores deterministicos de las otras técnicas.
v Pueden tardar mucho en converger, o no converger en absoluto, dependiendo en cierta medida de los parámetros que se utilicen (tamaño de la población, numero de generaciones, etc.)
v Pueden converger prematuramente debido a una serie de problemas de diversa índole.