4.47.4.6 Paralelización y Multi objetivos (8 horas) [Habilidades ]

Referencias Bibliográficas: [Rozenberg et al., 2012,Cantú-Paz, 2000,Coello, 2007] Temas

1. PEA – Algoritmos Evolutivos en Paralelo: arquitecturas de paralelización, arquitecturas master-slave, coarse-grained, fine-grained e híbridas
2. Análisis de la ejecución de una implementación master-slave.
3. Optimización de Multiples Objetivos: Definición formal, criterio de Pareto, Algoritmos Evolutivos Multi Objetivos (MOEA) sin uso de Pareto, MOEA con uso de Pareto: MOGA, NSGA, NPGA, NPGA2, PESA, SPEA, SPEA-II, Algoritmo Microgenético.
4. MOEA – Métricas de desempeño, investigación futura

Objetivos de Aprendizaje (Learning Outcomes)

1. Comprender y analizar la capacidad de paralelización de los modelos evolutivos
2. Analizar la aplicabilidad de Computación Evolutiva en problemas de múltiples objetivos
3. Implementación de modelos paralelos y multiobjetivo