4.48.2.7 Algoritmos Genéticos Avanzados (16 horas) [Habilidades a,b,i,j]

Referencias Bibliográficas: [Rozenberg et al., 2012,El-Mihoub et al., 2006,Koza, 1992,Reynolds, 1994,Storn and Price, 1995,da Cruz, 2007] Temas
  1. HEA – Algoritmos Evolutivos Híbridos: Por qué hibridizar?, formas de hibridización, búsqueda local y aprendizaje.
  2. GP – Programación Genética: definición, representación, ciclo de la GP.
  3. CA – Algoritmos Culturales: Evolución Cultural, componentes, procedimiento, espacio de creencia, operadores culturales.
  4. CoEv – Coevolución: carácteristicas, modelo competitivo, modelo cooperativo.
  5. DE – Evolución Diferencial: inicialización, operaciones, selección, DE vs. GA, variantes de DE, Dynamic DE
  6. QIEA – Algoritmos Evolutivos con Inspiración Quántica: Computación quántica, algoritmos con inspiración quántica, QIEA-B, QIEA-R
Objetivos de Aprendizaje
  1. Reconocer y analizar la necesidad de usar Algoritmos Evolutivos más avanzados
  2. Implementación de modelos avanzados de computación evolutiva



Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM