4.60.2.6 Paralelización y Multi objetivos (8 horas) [Habilidades a,b,i,j]

Referencias Bibliográficas: [,,] Temas
  1. Algoritmos Evolutivos en Paralelo (PEA): 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. Métricas de desempeño (MOEA), investigación futura
Objetivos de Aprendizaje
  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



Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM