4.63.2.7 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. Algoritmos Evolutivos Híbridos (HEA): Por qué hibridizar?, formas de hibridización, búsqueda local y aprendizaje.
  2. Programación Genética (GP): definición, representación, ciclo de la GP,
  3. Algoritmos Culturales (CA): Evolución Cultural, componentes, procedimiento, espacio de creencia, operadores culturales.
  4. Coevolución: carácteristicas (CoEv), modelo competitivo, modelo cooperativo.
  5. Evolución Diferencial (DE): inicialización, operaciones, selección, DE vs. GA, variantes de DE, Dynamic DE
  6. Algoritmos Evolutivos con Inspiración Quántica (QIEA): 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