Resumen: Cinco bloques implementados sin modificar la firma pública de IAlgoritmo.

1. Resultado de ejecución y estadísticas sobre múltiples ejecuciones

• Nuevo: algoritmogenetico/util/ResultadoEjecucion.java — Datos inmutables: mejorIndividuo, generacionFinal, objetivoAlcanzado; constructor y getters.
• AlgoritmoGenetico: Campo ultimoResultado; al final de ejecutar(IDominio) se asigna un ResultadoEjecucion con el mejor de la última generación, generación en que se paró y si se paró por objetivo; getter getUltimoResultado().
• AppGP: Spinner "N ejecuciones" (1–100, default 1). Si N > 1: bucle N veces con semilla baseSeed + i, solo la última run con listener/logger; se acumulan ResultadoEjecucion; al final se muestran en un Alert: media/std/min/max fitness, tasa de éxito, media de generaciones cuando éxito.
• Tests: AlgoritmoGeneticoIntegracionTest: getUltimoResultado coherente y varias ejecuciones con distintas semillas.

2. Evitar óptimo trivial en clasificación

• Nuevo: algoritmogenetico/util/UtilExpresion.java — Método estático isConstant(INodo raiz): true si el árbol solo tiene constantes (TerminalConstante/funciones), false si hay al menos un TerminalAritmetico (variable).
• AlgoritmoGenetico: En la condición de "objetivo alcanzado", si el dominio es DominioClasificacion y UtilExpresion.isConstant(mejorIndiv.getExpresion()), no se hace break (no se considera objetivo alcanzado).
• Tests: UtilExpresionTest: isConstant con null, TerminalConstante, TerminalAritmetico.

3. Simplificación de expresiones

• Nuevo: algoritmogenetico/util/SimplificadorExpresion.java — Método estático simplificar(INodo raiz) que devuelve un nuevo árbol. Reglas: x+0→x, 0+x→x, x1→x, 1x→x, 0x→0, x0→0, x-0→x, x/1→x. Soporte para +, -, *, / y funciones unarias (sin, cos, neg, abs, exp, log, sqrt, sqr) para reconstruir el árbol.
• AppGP: Checkbox "Simplificar expresión" (por defecto desactivado). Tras obtener el mejor individuo, si está activo se usa la expresión simplificada para: texto en área, dibujo del árbol, exportar a fichero y curva datos vs curva.
• Tests: SimplificadorExpresionTest: suma con 0, producto por 1, producto por 0, árbol original no mutado.

4. Exportar expresión a LaTeX y código

• Nuevo: algoritmogenetico/util/ExportadorExpresion.java — Métodos estáticos: toPrefija(INodo) (equivalente a toString), toLatex(INodo) (infija con \frac, \sin, \cos, etc.), toPython(INodo) (expresión infija), toPythonDef(INodo) (def f(x): return ... con import math si aplica).
• AppGP: ComboBox "Formato" junto a "Exportar expr." con opciones: Prefija (texto), LaTeX, Python. Al guardar se usa el formato elegido; si "Simplificar expresión" está activo se aplica antes de exportar.
• Tests: ExportadorExpresionTest: toPrefija equivale a toString, toLatex y toPython formato razonable para ( * x x ), toPythonDef contiene def y return, null → cadena vacía.

5. Benchmarks estándar y documentación

• Nuevo: benchmark_nguyen1.txt — Nguyen-1: y = x³ + x² + x, 21 puntos en [-1, 1] (TSV; líneas # omitidas).
• Nuevo: doc/BENCHMARKS.md — Descripción del problema Nguyen-1, columnas del fichero, parámetros recomendados (población, generaciones, funciones), resultado típico y uso de "N ejecuciones" para reportar estadísticas.
• doc/DOCUMENTACION.md: Enlace a la sección de benchmarks (BENCHMARKS.md).
• README.md: Enlace a doc/BENCHMARKS.md en Documentación; fila en tabla de ficheros de ejemplo para benchmark_nguyen1.txt.

Archivos nuevos: ResultadoEjecucion.java, UtilExpresion.java, SimplificadorExpresion.java, ExportadorExpresion.java, benchmark_nguyen1.txt, doc/BENCHMARKS.md, UtilExpresionTest.java, SimplificadorExpresionTest.java, ExportadorExpresionTest.java.
Archivos modificados: AlgoritmoGenetico.java, AppGP.java, doc/DOCUMENTACION.md, README.md, AlgoritmoGeneticoIntegracionTest.java, changelog.md.

Resumen:

• Regresión (TSV): valoresPolinomio4.txt (y = x⁴−2x², 17 puntos), valoresTrigComplejo.txt (y = sin(x)+0.5·cos(2x)), valoresExpGauss.txt (y = exp(−x²)), valoresX2Ruido.txt (y ≈ x² con ruido), valoresMultivariadoComplejo.txt (z = x+y+xy, 13 filas).
• Clasificación (CSV): clasificacionXOR.csv (XOR, no lineal), clasificacionCirculo.csv (25 puntos: dentro/fuera de círculo x²+y²<1).
• Booleano (TSV): tablaVerdad4vars.txt (parity de 4 bits, 16 filas), tablaVerdadMayoria4.txt (mayoría de 4 bits: salida 1 si ≥3 entradas son 1).
• Documentación: README con tabla de ficheros de ejemplo y descripción; DOCUMENTACION.md con nueva sección "Ficheros de datos de ejemplo" y renumeración de secciones (6→Ejecución, 7→Tests, 8→Referencias).

Archivos nuevos: valoresPolinomio4.txt, valoresTrigComplejo.txt, valoresExpGauss.txt, valoresX2Ruido.txt, valoresMultivariadoComplejo.txt, clasificacionXOR.csv, clasificacionCirculo.csv, tablaVerdad4vars.txt, tablaVerdadMayoria4.txt. Modificados: README.md, doc/DOCUMENTACION.md, changelog.md.

Resumen:

• Escalado lineal en regresión (DominioAritmetico): Parámetro usarEscaladoLineal (por defecto true). En calcularFitness se obtienen predicciones p_i del árbol; se ajustan a y b por mínimos cuadrados (a·p_i + b ≈ y_i); fitness = −RMSE(a·p + b, y) − α·nodos. Aplicado en rama univariada y multivariada. Sin cambiar la estructura del árbol se mejora el fitness al permitir escala y desplazamiento.
• Nuevos operadores de mutación (AlgoritmoGenetico): Tres tipos con probabilidades configurables (setProbabilidadesMutacion(subarbol, punto, contraccion)): (1) Subárbol (comportamiento actual: sustituir subárbol por uno aleatorio de profundidad 2). (2) Punto: si el nodo es terminal constante → perturbación (valor + delta en [-0.5, 0.5]); si otro terminal → sustituir por terminal aleatorio; si función → sustituir por otra función de la misma aridad manteniendo hijos. (3) Contracción: elegir nodo no terminal y sustituir su subárbol por un terminal aleatorio. Por defecto solo subárbol = 1.0 para compatibilidad.
• Selección por ranking: Enum TipoSeleccion { TORNEO, RANKING }. Método seleccionarPadres(): con TORNEO se mantiene la lógica actual; con RANKING se ordena la población por fitness, se asignan pesos por rango², se normalizan y se muestrean dos padres sin reemplazo. Por defecto TORNEO. Configuración: setTipoSeleccion(TipoSeleccion).
• TerminalConstante: Añadido getter getValor() para lectura del valor en mutación por punto.

Archivos modificados: DominioAritmetico.java, TerminalConstante.java, AlgoritmoGenetico.java, doc/DOCUMENTACION.md, changelog.md.

• DOCUMENTACION.md: Reescrito para reflejar el estado actual del código: DominioAritmetico (RMSE, todas las funciones, TSV/CSV, multivariado), DominioClasificacion, DominioBooleano; cruce con cualquier aridad; parámetros de parada y límite de nodos; ejecución (GUI, runners). Eliminadas frases genéricas ("Se irá ampliando...", "Este documento se ampliará...") y la nota obsoleta sobre paridad del tamaño de población.
• ROADMAP.md: Título e intro acortados; "Prioridades sugeridas" renombrado a "Prioridades". Sin cambios de contenido técnico.

Resumen:

• README: Reescrito con tono profesional y estándar. Incluye sección "Qué es la Programación Genética" explicando idea central, flujo (población, evaluación, selección, cruce, mutación, reemplazo), casos de uso (regresión simbólica, clasificación, síntesis lógica) y carácter estocástico. Sin referencias académicas ni a prácticas.
• Licencia: Añadido fichero LICENSE con MIT License. Copyright (c) Eduardo Díaz Sánchez.
• Documentación: Eliminadas referencias a "práctica" o contexto universitario. doc/EVOLUCION_PROYECTO.md sustituido por doc/ROADMAP.md (mismo contenido técnico, redacción neutra). doc/DOCUMENTACION.md actualizado para enlazar a ROADMAP.md.
• Eliminados: Diagrama de clases.pdf, doc/EVOLUCION_PROYECTO.md.
• Changelog: Entrada "README profesional y académico" renombrada a "README profesional"; "buenas prácticas" reemplazado por "prácticas habituales" en otra entrada.

Archivos nuevos: LICENSE, doc/ROADMAP.md. Archivos modificados: README.md, doc/DOCUMENTACION.md, changelog.md. Archivos eliminados: Diagrama de clases.pdf, doc/EVOLUCION_PROYECTO.md.

Resumen:

• CRÍTICO — Cruce con funciones unarias (sin, cos, neg, abs, exp, log, sqrt, sqr): El método cruce() en AlgoritmoGenetico asumía que el padre del punto de cruce siempre tenía 2 hijos (aridad 2). Con funciones unarias, raiz.getDescendientes().get(1) lanzaba IndexOutOfBoundsException. Se reescribió el cruce usando List.set() directo, que funciona con cualquier aridad sin asumir el número de hijos.
• CRÍTICO — Bucle infinito en crearNuevaPoblacion(): El bucle usaba while (nuevaPoblacion.size() != tamanioPoblacion) y añadía 2 descendientes por iteración. Con poblaciones impares, el tamaño se pasaba y el != nunca se cumplía → bucle infinito. Cambiado a < con guard de tamaño al añadir descendientes.
• Imports duplicados eliminados: IAlgoritmo.java (IIndividuo x2), AppGP.java (Stage x2), TesterDemoValores.java (DominioAritmetico x2).
• copy() normalizado en 13 funciones: FuncionDivision, FuncionSeno, FuncionCoseno, FuncionNegacion, FuncionValorAbsoluto, FuncionExp, FuncionLog, FuncionSqrt, FuncionCuadrado, FuncionAnd, FuncionOr, FuncionNot, FuncionXor llamaban incluirDescendiente(nodo.copy()) pero Nodo.incluirDescendiente() ya llama nodo.copy() internamente → doble copia innecesaria. Ahora todas usan incluirDescendiente(nodo), consistente con FuncionSuma/Resta/Multiplicacion.
• TerminalBooleano.copy(): No preservaba el valor actual del terminal. Ahora copia el valor con setValor(this.calcular()).
• Warning unchecked en AppGP: chartDatos.getData().addAll(s1, s2) varargs genérico → sustituido por dos llamadas add().
• 5 tests nuevos: Cruce con funciones solo unarias (50 seeds), cruce con mezcla binarias/unarias (50 seeds), población tamaño impar (5 tamaños), ejecución completa con funciones unarias, ejecución solo con funciones unarias.

Tests: 35 tests, 0 fallos (antes 30).

Archivos modificados: AlgoritmoGenetico.java, IAlgoritmo.java, AppGP.java, FuncionDivision.java, FuncionSeno.java, FuncionCoseno.java, FuncionNegacion.java, FuncionValorAbsoluto.java, FuncionExp.java, FuncionLog.java, FuncionSqrt.java, FuncionCuadrado.java, FuncionAnd.java, FuncionOr.java, FuncionNot.java, FuncionXor.java, TerminalBooleano.java, CruceIntegracionTest.java, AlgoritmoGeneticoIntegracionTest.java, TesterDemoValores.java.

Resumen:

• Nuevas funciones matemáticas: exp (exponencial acotada), log (log(1+|x|)), sqrt (raíz de |x|), sqr (cuadrado). Registradas en DominioAritmetico y disponibles en la GUI como checkboxes.
• Carga de datos flexible: En DominioAritmetico y DominioClasificacion, definirValoresPrueba acepta TSV (tabulador) o CSV (coma). Si la primera línea no es numérica, se considera cabecera y se omite. Permite cargar cualquier archivo de valores deseado.
• Dominio de clasificación binaria: Nueva clase DominioClasificacion. Lee ficheros con N columnas numéricas + última columna clase (0.0/1.0). Fitness = precisión − ALPHA*nodos. Mismo algoritmo genético que para regresión. Fichero de ejemplo clasificacionEjemplo.csv (x1, x2, clase).
• Constantes aleatorias en GUI: Opción "Const. aleat. N" con spinners N, min, max. Se generan N constantes en [min,max] con la semilla indicada al inicio de la ejecución. Combinable con constantes fijas.
• AlgoritmoGenetico: setMaxNodosIndividuo(int): rechaza hijos que superen ese número de nodos (0 = sin límite). setGeneracionesSinMejoraParaParar(int): parada por convergencia (0 = desactivado). Ambos configurables desde la GUI.
• GUI: Botón "Examinar..." para elegir el fichero de datos con un diálogo. Combo "Tipo: Regresión | Clasificación". Spinners para semilla, max nodos y parar sin mejora. Checkboxes exp, log, sqrt, sqr. Opción "Exportar expr." para guardar la mejor expresión en un fichero de texto al finalizar.

Archivos nuevos: FuncionExp, FuncionLog, FuncionSqrt (raíz cuadrada), FuncionCuadrado (sqr), DominioClasificacion, clasificacionEjemplo.csv.

Archivos modificados: DominioAritmetico (exp/log/sqrt/sqr, carga CSV y cabecera), DominioClasificacion (definirConjuntoTerminalesConConstantes), AlgoritmoGenetico (maxNodos, generacionesSinMejora), AppGP (selector fichero, tipo problema, constantes aleatorias, nuevas funciones, exportar expresión).

Fases implementadas: 0.1, 0.2, 0.3, 1.1, 1.2, 1.3, 2.1, 2.2, 2.3, 3.1

Resumen:

• Fase 0.1 (Nodo.java): numNodos estático reemplazado por AtomicInteger CONTADOR. Elimina condición de carrera entre el hilo del algoritmo y el Task de JavaFX.
• Fase 0.2 (DominioAritmetico): Fitness cambiado de conteo binario a RMSE negado (fitness = -RMSE - ALPHA*nodos). fitnessBuscado() devuelve 0.0. El algoritmo para cuando RMSE < ~0.05. Tests de dominio actualizados.
• Fase 0.3: TesterDemoValores y AppGP usan definirConjuntoTerminalesConConstantes con {-1.0, 0.0, 1.0, 2.0}.
• Fase 1.1 (AlgoritmoGenetico): Inicialización ramped half-and-half: mitad con full (profundidad exacta), mitad con grow (profundidad variable). Mayor diversidad inicial. crearIndividuoAleatorioGrow añadido a Individuo.
• Fase 1.2: Funciones unarias sin, cos, neg, abs (FuncionSeno, FuncionCoseno, FuncionNegacion, FuncionValorAbsoluto). crearIndividuoAleatorioRec usa aridad dinámica (f.getNumArgu()). getNumArgu() añadido a Funcion. Nuevo fichero valoresSeno.txt.
• Fase 1.3 (DominioAritmetico): Soporte multivariado: definirValoresPruebaMultiVar(fichero, "x", "y") carga N+1 columnas; calcularFitness inyecta variables por nombre. Nuevo fichero valoresMultiVar.txt (z = x²+y²).
• Fase 2.1 (AppGP): Panel de configuración completo: spinners para población, generaciones, profundidad, torneo, cruce%, mutación%; checkboxes para cada función matemática; campo para constantes efímeras.
• Fase 2.2: EvolucionLogger se activa desde la GUI (checkbox + ruta CSV).
• Fase 2.3: Canvas con árbol visual de la mejor expresión: BFS para asignar posiciones, elipses coloreadas (verde=hoja, azul=función), aristas grises. Se actualiza en cada generación.
• Fase 3.1: Nuevo DominioBooleano (DominioBooleano.java), terminal TerminalBooleano, funciones FuncionAnd/Or/Not/Xor. Lee tablas de verdad TSV. Nuevo fichero tablaVerdad.txt (función mayoría 3 bits). Tests: DominioBooleanoTest (6 tests).

Tests: 30 tests, 0 fallos.

Archivos nuevos main: FuncionSeno, FuncionCoseno, FuncionNegacion, FuncionValorAbsoluto, FuncionAnd, FuncionOr, FuncionNot, FuncionXor, TerminalBooleano, DominioBooleano. Archivos modificados main: Nodo, Funcion, Individuo, AlgoritmoGenetico, DominioAritmetico, AppGP. Archivos nuevos test: DominioBooleanoTest. Archivos modificados test: DominioFitnessTest, TesterDemoValores. Datos nuevos: valoresSeno.txt, valoresMultiVar.txt, tablaVerdad.txt.

Resumen:

• AppGP reescrita: ya no usa reflexión ni calcularFitness(alg). Configura dominio (definirValoresPrueba, terminales, funciones con "+", "-", "*", "/"), algoritmo con setGeneracionListener; ejecuta alg.ejecutar(dominio) dentro de un Task<Void>. En cada generación el listener actualiza en el hilo JavaFX el gráfico de fitness y el área de la mejor expresión; al finalizar se dibujan en el otro gráfico los puntos de getValoresPrueba() y la curva del mejor individuo evaluada en 50 puntos.
• DominioFitnessTest: el test calcularFitness_asignaFitnessAlIndividuo fallaba porque con parsimonia el fitness puede ser negativo (0 puntos − α·nodos). Se cambió la aserción a Double.isFinite(ind.getFitness()) && ind.getFitness() <= 1.0.
• README: descripción de la GUI, nuevos ficheros de datos (valoresLineal, valoresCubica), estructura actualizada (main/java, gui), funcionalidad actual (parsimonia, profundidad, división, constantes, logger, GUI) y tests (EvolucionLogger, constantes).

Archivos modificados: src/main/java/gui/AppGP.java, src/test/java/test/DominioFitnessTest.java, README.md.

Archivos nuevos:

• valoresX2.txt: 7 puntos (x, x²) con x desde -3 a 3 (tab-separado). Sirve para comprobar si el GP encuentra una expresión como ( * x x ).
• src/test/java/test/TesterDemoValores.java: runner que carga valoresX2.txt, imprime un encabezado explicando el objetivo y ejecuta el algoritmo. Ejecutar desde la raíz del proyecto.

Archivos modificados: README.md (sección de ejecución y estructura: mención a valoresX2.txt y TesterDemoValores).

Motivo: Tener un caso de prueba con función conocida (parábola) para validar el comportamiento del algoritmo sin depender solo de valores.txt (polinomio más complejo).

Resumen:

• 1. Unificar cruce: TesterCruce usa ahora IAlgoritmo.cruce() (AlgoritmoGenetico con terminales/funciones y semilla); eliminada la clase PruebaCruce (duplicaba la lógica de cruce).
• 2. Datos y README: Añadida en README nota explícita: directorio de trabajo = raíz del proyecto para localizar valores.txt / valoresReducido.txt.
• 3. Configuración por argumentos: TesterAlgoritmoProgramacionGenetica acepta un argumento opcional: ruta del fichero de datos; por defecto "valores.txt". README actualizado con ejemplo de uso.
• 4. Parada temprana: En AlgoritmoGenetico.ejecutar(), al alcanzar el fitness objetivo se imprime "Objetivo de fitness alcanzado." antes del break.
• 5. Javadoc API: Mejorado Javadoc de clase en AlgoritmoGenetico, Individuo y DominioAritmetico; corregido typo en IIndividuo (funciones/terminales) y en IDominio (distinas → distintas); corregido param en Individuo.crearIndividuoAleatorioRec (funciones).
• 6. Tests de borde: CruceIntegracionTest: nuevo test cruce_unProgenitorUnNodo_completaConReintentos (un progenitor con un solo nodo, otro con varios; reintentos hasta éxito). DominioFitnessTest: nuevo test ficheroVacio_fitnessBuscadoCero_calcularFitnessDevuelveCero (fichero vacío, fitnessBuscado 0, calcularFitness devuelve 0).

Archivos modificados: TesterCruce.java, TesterAlgoritmoProgramacionGenetica.java, README.md, AlgoritmoGenetico.java, IIndividuo.java, IDominio.java, Individuo.java, DominioAritmetico.java, CruceIntegracionTest.java, DominioFitnessTest.java. Eliminado: PruebaCruce.java.

Resumen de la revisión:

• IndividuoYArbolTest: Correctos (creación aleatoria, número de nodos, crearSubarbolAleatorio, reemplazarNodo raíz/hijo, calcularExpresion). Coherentes con Individuo.
• MutacionTest: Correctos (mutar devuelve individuo válido, semilla, original inalterado).
• CruceIntegracionTest: Correctos (dos descendientes, progenitores no modificados, crearNuevaPoblacion con reintentos).
• AlgoritmoGeneticoIntegracionTest: Correctos (crearPoblacion, crearNuevaPoblacion con/sin mutación, ejecutar con fichero temporal).
• DominioFitnessTest: Correctos (terminales, funciones, excepción longitud, definirValoresPrueba, fitnessBuscado, calcularFitness y asignación al individuo; valor 2.0 para "x" con (0,0) y (1,1) coincide con la fórmula del dominio).
• TesterCruce: Reintento ante CruceNuloException ya añadido; flujo correcto.
• TesterIndividuos: Correcto (árbol manual, writeIndividuo, crearIndividuoAleatorio).
• TesterLecturaYFitness: Corregido throws IOException, IOException → throws IOException.
• TesterAlgoritmoProgramacionGenetica: Añadido return tras capturar ArgsDistintosFuncionesException para no ejecutar con estado indefinido.
• PruebaCruce: Lógica de cruce por subárbol correcta (intercambio de referencias, sin doble uso de nodos).

Archivos modificados: TesterLecturaYFitness.java, TesterAlgoritmoProgramacionGenetica.java.

Archivos modificados: src/test/java/test/TesterCruce.java

Resumen: Cuando los dos puntos de cruce salen en la raíz (etiqueta 1), PruebaCruce.cruce lanza CruceNuloException (cruce considerado nulo). El main de TesterCruce ahora reintenta hasta 20 veces; solo si todos fallan se muestra el error. Así se evita que una ejecución aleatoria acabe en excepción por mala suerte.

Cambios:

• Código principal movido a src/main/java/ (paquetes algoritmogenetico, excepciones).
• Tests y runners movidos a src/test/java/test/.
• pom.xml: eliminados sourceDirectory, testSourceDirectory y excludes; se usan los valores por defecto de Maven.

Archivos afectados: pom.xml, toda la estructura bajo src/.

Motivo: Con todo bajo src/ y src/test/, el IDE y algunos runners no resolvían bien el classpath (JUnit en scope test, separación main/test). La estructura estándar (src/main/java, src/test/java) hace que Maven y el IDE (Java Language Server / Red Hat Java) asignen correctamente dependencias de test y ejecuten JUnit y los Tester* sin errores de classpath.

Qué hacer en el IDE: Recargar el proyecto Maven (por ejemplo: "Java: Clean Java Language Server Workspace" y reabrir, o desde paleta "Maven: Update project") para que tome las nuevas carpetas de código.

Archivos nuevos:

• README.md: presentación del proyecto (requisitos, construcción, estructura, funcionalidad, tests, documentación, historial). Pensado para ampliarse en cada iteración.

Archivos nuevos:

• doc/DOCUMENTACION.md: documentación unificada (visión general, arquitectura, operadores, dominio, ejecución, tests). Pensada para ampliarse en cada iteración.
• pom.xml: Maven con JUnit 5 para compilar y ejecutar tests (mvn test).
• src/test/IndividuoYArbolTest.java: tests de Individuo y árbol (creación aleatoria, número de nodos, crearSubarbolAleatorio, reemplazarNodo, calcularExpresion).
• src/test/MutacionTest.java: tests del operador de mutación (individuo válido, semilla, original no modificado).
• src/test/CruceIntegracionTest.java: tests del cruce (dos descendientes, progenitores inalterados, crearNuevaPoblacion).
• src/test/AlgoritmoGeneticoIntegracionTest.java: tests de integración (crearPoblacion, crearNuevaPoblacion con/sin mutación, ejecutar una generación con fichero temporal; 80 % cruce para evitar bucle infinito).
• src/test/DominioFitnessTest.java: tests del dominio aritmético (terminales, funciones, definirValoresPrueba, calcularFitness).

Resumen:

• Documentación en doc/DOCUMENTACION.md cubre base y mutación; nota sobre paridad (tamanioPoblacion - referencia) para que crearNuevaPoblacion termine.
• Tests comprueban lo implementado (individuo, mutación, cruce, algoritmo, dominio) y se pueden ampliar con cada nueva funcionalidad.
• En los tests de integración se usa probabilidad de cruce 80 % para evitar bucle infinito cuando los individuos a añadir son impares.

Motivo: Tener una base documental y de pruebas que crezca con el proyecto.

Archivos modificados:

• src/algoritmogenetico/individuo/Individuo.java
• src/algoritmogenetico/IAlgoritmo.java
• src/algoritmogenetico/AlgoritmoGenetico.java
• src/test/TesterAlgoritmoProgramacionGenetica.java

Resumen:

• Mutación: Nuevo operador que elige un nodo al azar en el árbol y sustituye su subárbol por uno aleatorio de profundidad máxima 2 (constante PROFUNDIDAD_SUBARBOL_MUTACION). Se aplica a cada descendiente tras el cruce con probabilidad configurable.
• Individuo: crearSubarbolAleatorio(profundidadMax, terminales, funciones, rng) reutiliza la lógica de creación de árboles; reemplazarNodo(etiqueta, nuevoSubarbol) sustituye el nodo por etiqueta (raíz o hijo).
• IAlgoritmo: Método IIndividuo mutar(IIndividuo individuo).
• AlgoritmoGenetico: Campo probabilidadMutacion (por defecto 0 en el constructor de 5 parámetros). Constructores de 6 y 7 parámetros para fijar probabilidad de mutación y semilla. Integración en crearNuevaPoblacion(): tras cada cruce, cada descendiente se muta con probabilidad probabilidadMutacion antes de añadirse a la nueva población.
• Tester: Usa probabilidadMutacion = 0.15 para ejercitar la mutación.

Motivo: Completar el esquema GP estándar (selección + cruce + mutación) y permitir exploración adicional de la búsqueda.

Archivos modificados:

• src/algoritmogenetico/dominio/DominioAritmetico.java
• src/algoritmogenetico/AlgoritmoGenetico.java
• src/algoritmogenetico/individuo/Individuo.java
• src/algoritmogenetico/individuo/nodo/INodo.java
• src/algoritmogenetico/individuo/nodo/Nodo.java
• src/algoritmogenetico/individuo/nodo/terminales/TerminalAritmetico.java
• src/test/PruebaCruce.java

Resumen:

1. Recursos: definirValoresPrueba usa try-with-resources para cerrar BufferedReader automáticamente.
2. Comparación de fitness: Uso de Comparator.comparingDouble(IIndividuo::getFitness) en torneo y bestFitness para evitar overflow y seguir prácticas habituales.
3. CruceNuloException: Reintentos (hasta 50) en crearNuevaPoblacion; si falla todo, se añaden copias de los ganadores del torneo para mantener el tamaño de la población.
4. Random: Un único Random en AlgoritmoGenetico (constructor con Long semilla opcional para reproducibilidad); se pasa a la creación de individuos.
5. Nomenclatura: INodo.getRaiz() renombrado a getSimbolo(); Individuo.getRaiz(INodo) renombrado a getPadre(INodo).
6. Nodo.copy(): Método declarado abstracto en Nodo para forzar implementación en subclases concretas.
7. TerminalAritmetico: Constructor TerminalAritmetico(String simbolo, double valor) y @Override en calcular().

Motivo: Preparar el proyecto para GitHub y futuras extensiones; mejorar robustez y claridad sin cambiar el comportamiento observable.