Referencias Bibliográficas: [#!Rozenberg:2012!#,#!tarek06!#,#!koza92!#,#!Reynolds94!#,#!Storn95!#,#!AbsDaCruz2007!#]
Temas
- HEA – Algoritmos Evolutivos Híbridos: Por qué hibridizar?, formas de hibridización, búsqueda local y aprendizaje.
- GP – Programación Genética: definición, representación, ciclo de la GP.
- CA – Algoritmos Culturales: Evolución Cultural, componentes, procedimiento, espacio de creencia, operadores culturales.
- CoEv – Coevolución: carácteristicas, modelo competitivo, modelo cooperativo.
- DE – Evolución Diferencial: inicialización, operaciones, selección, DE vs. GA, variantes de DE, Dynamic DE
- QIEA – Algoritmos Evolutivos con Inspiración Quántica: Computación quántica, algoritmos con inspiración quántica, QIEA-B, QIEA-R
Objetivos de Aprendizaje
- Reconocer y analizar la necesidad de usar Algoritmos Evolutivos más avanzados
- 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
