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