Referencias Bibliográficas: [Eiben and Smith, 2015,Mitchell, 1998]
Temas
- Algoritmos Genéticos Canónicos (CGA): representación binaria, esquemas de selección (ruleta, torneo).
- Operadores Genéticos: Cruza (un punto, uniforme, aritmética), Mutación (bit-flip, Gaussiana).
- Teorema de Esquemas e Hipótesis de Bloques de Construcción.
- Variantes avanzadas de AG: AG con codificación real, Programación Genética (GP) con representaciones de árbol.
Aprendizaje esperado (Learning Outcomes)
- Diseñar representaciones y operadores apropiados para problemas específicos de optimización [Evaluar]
- Implementar un Algoritmo Genético Canónico para optimización de funciones [Usar]
- Aplicar Programación Genética a tareas de regresión simbólica o programación automática [Evaluar]
Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM
