Referencias Bibliográficas: [Rozenberg et al., 2012,Cantú-Paz, 2000,Coello, 2007]
Temas
- Algoritmos Evolutivos en Paralelo (PEA): arquitecturas de paralelización, arquitecturas master-slave, coarse-grained, fine-grained e híbridas
- Análisis de la ejecución de una implementación master-slave.
- 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.
- Métricas de desempeño (MOEA), investigación futura
Objetivos de Aprendizaje
- Comprender y analizar la capacidad de paralelización de los modelos evolutivos
- Analizar la aplicabilidad de Computación Evolutiva en problemas de múltiples objetivos
- 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