Referencias Bibliográficas: [Rozenberg et al., 2012,El-Mihoub et al., 2006,Koza, 1992,Reynolds, 1994,Storn and Price, 1995,da Cruz, 2007]
Temas
- Algoritmos Evolutivos Híbridos (HEA): Por qué hibridizar?, formas de hibridización, búsqueda local y aprendizaje.
- Programación Genética (GP): definición, representación, ciclo de la GP,
- Algoritmos Culturales (CA): Evolución Cultural, componentes, procedimiento, espacio de creencia, operadores culturales.
- Coevolución: carácteristicas (CoEv), modelo competitivo, modelo cooperativo.
- Evolución Diferencial (DE): inicialización, operaciones, selección, DE vs. GA, variantes de DE, Dynamic DE
- Algoritmos Evolutivos con Inspiración Quántica (QIEA): Computación quántica, algoritmos con inspiración quántica, QIEA-B, QIEA-R
Objetivos de Aprendizaje
- Reconocer y analizar la necesidad de usar Algoritmos Evolutivos más avanzados
- Implementación de modelos avanzados de computación evolutiva
Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM