4.47.4.7 Algoritmos Genéticos Avanzados (16 horas) [Habilidades ]

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 (Learning Outcomes)

1. Reconocer y analizar la necesidad de usar Algoritmos Evolutivos más avanzados
2. Implementación de modelos avanzados de computación evolutiva