Incorporación de conocimiento en algoritmos evolutivos en problemas de scheduling
Los Algoritmos Evolutivos (AEs) son una de las metaheurísticas más ampliamente difundidas y estudiadas [28]. Estas, como muchas otras metaheuristicas, pueden ser mejoradas en su diseño a fin de realizar una exploración más eficiente del espacio de búsqueda. En el caso de los AEs, un adecuado desempe...
Guardado en:
| Autores principales: | , , , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2007
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/20312 |
| Aporte de: |
| Sumario: | Los Algoritmos Evolutivos (AEs) son una de las metaheurísticas más ampliamente difundidas y estudiadas [28]. Estas, como muchas otras metaheuristicas, pueden ser mejoradas en su diseño a fin de realizar una exploración más eficiente del espacio de búsqueda. En el caso de los AEs, un adecuado desempeño de los mismos, depende en gran medida de los operadores y/o mecanismos de exploración involucrados y que adecuadamente implementados, pueden dar lugar a versiones más eficientes. En este sentido, la incoporación de conocimiento y/o información en el diseño de los AEs es de gran interés en la actualidad. Por esta razón, existen diversas líneas de investigación en la actualidad que tienen como objetivo principal el diseño avanzado de EAs a través de la incorporación de conocimiento. Esta línea de investigación, aborda diferentes estrategias tales como la incorporación del conocimiento experto a priori o el conocimiento adquirido durante la evolución, conceptos derivados de las teorías de evolución social, y cultural, entre otras. |
|---|