Una comparación de algoritmos evolutivos para la optimización de funciones multimodales

La Computación Evolutiva (CE) ha sido reconocida recientemente como un campo de investigación que estudia un nuevo tipo de algoritmos: los algoritmos evolutivos (AEs). Opuestamente a los enfoques tradicionales que mejoran una única solución, estos algoritmos procesan poblaciones de soluciones y pos...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Brero, Alejandro C., Gallard, Raúl Hector
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2000
Materias:	Ciencias Informáticas Algoritmos representación estrategias evolutivas mutación delta
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/23462
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-23462
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Algoritmos representación estrategias evolutivas mutación delta
spellingShingle	Ciencias Informáticas Algoritmos representación estrategias evolutivas mutación delta Brero, Alejandro C. Gallard, Raúl Hector Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
topic_facet	Ciencias Informáticas Algoritmos representación estrategias evolutivas mutación delta
description	La Computación Evolutiva (CE) ha sido reconocida recientemente como un campo de investigación que estudia un nuevo tipo de algoritmos: los algoritmos evolutivos (AEs). Opuestamente a los enfoques tradicionales que mejoran una única solución, estos algoritmos procesan poblaciones de soluciones y poseen como características comunes la reproducción, la variación aleatoria, la competición y la selección de individuos. Los algoritmos genéticos (AGs) y las estrategias evolutivas (EEs) constituyen hoy los algoritmos evolutivos de mayor uso en el campo de la optimización. En este trabajo se comparan diferentes técnicas evolutivas para tratar la optimización de dos funciones altamente multimodales. Por un lado se utilizan dos tipos de Algoritmos Genéticos, uno con representación binaria y otro con representación en punto flotante; por otro lado se aplica el concepto de las Estrategias Evolutivas.
format	Objeto de conferencia Objeto de conferencia
author	Brero, Alejandro C. Gallard, Raúl Hector
author_facet	Brero, Alejandro C. Gallard, Raúl Hector
author_sort	Brero, Alejandro C.
title	Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
title_short	Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
title_full	Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
title_fullStr	Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
title_full_unstemmed	Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
title_sort	una comparación de algoritmos evolutivos para la optimización de funciones multimodales
publishDate	2000
url	http://sedici.unlp.edu.ar/handle/10915/23462
work_keys_str_mv	AT breroalejandroc unacomparaciondealgoritmosevolutivosparalaoptimizaciondefuncionesmultimodales AT gallardraulhector unacomparaciondealgoritmosevolutivosparalaoptimizaciondefuncionesmultimodales
bdutipo_str	Repositorios
_version_	1764820465925226496

Una comparación de algoritmos evolutivos para la optimización de funciones multimodales

Ejemplares similares