Propuesta de un algoritmo evolutivo aplicado a problemas de optimización

Autores
Izetta Riera, C. Javier; Pérez Otero, Nilda
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En las últimas décadas diferentes tipos de algoritmos de optimización han sido desarrollados para resolver una gran cantidad de problemas. El principal desafío se presenta cuando el problema presenta una función objetivo altamente no lineal y no convexa, esto dificulta garantizar la localización del mínimo global. Por lo tanto, la necesidad de encontrar nuevas metaheurísticas que proporcionen un mejor desempeño en este tipo de problemas de optimización sigue aún vigente. En este trabajo se presenta el resultado de modificar AEvol, un algoritmo genético con un operador sencillo. La modificación consiste en la incorporación de un operador de cruza: BLX-a. Además de la incorporación de tres criterios de selección de padres: ruleta, torneo y muestreo estocástico universal. Al validar el nuevo algoritmo utilizando seis funciones benchmarks con diferentes configuraciones de parámetros, se obtuvieron resultados satisfactorios.
XV Workshop de Agentes y Sistemas Inteligentes
Red de Universidades con Carreras de Informática (RedUNCI)
Materia
Ciencias Informáticas
problemas de optimización
computación evolutiva
metaheurísticas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/42424
Acceder
id SEDICI_31e0068c39af50861fc1ea0c9dd7dd1f
oai_identifier_str oai:sedici.unlp.edu.ar:10915/42424
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Propuesta de un algoritmo evolutivo aplicado a problemas de optimizaciónIzetta Riera, C. JavierPérez Otero, NildaCiencias Informáticasproblemas de optimizacióncomputación evolutivametaheurísticasEn las últimas décadas diferentes tipos de algoritmos de optimización han sido desarrollados para resolver una gran cantidad de problemas. El principal desafío se presenta cuando el problema presenta una función objetivo altamente no lineal y no convexa, esto dificulta garantizar la localización del mínimo global. Por lo tanto, la necesidad de encontrar nuevas metaheurísticas que proporcionen un mejor desempeño en este tipo de problemas de optimización sigue aún vigente. En este trabajo se presenta el resultado de modificar AEvol, un algoritmo genético con un operador sencillo. La modificación consiste en la incorporación de un operador de cruza: BLX-<i>a</i>. Además de la incorporación de tres criterios de selección de padres: ruleta, torneo y muestreo estocástico universal. Al validar el nuevo algoritmo utilizando seis funciones <i>benchmarks</i> con diferentes configuraciones de parámetros, se obtuvieron resultados satisfactorios.XV Workshop de Agentes y Sistemas InteligentesRed de Universidades con Carreras de Informática (RedUNCI)2014-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/42424spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:34:10Zoai:sedici.unlp.edu.ar:10915/42424Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:34:10.272SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Propuesta de un algoritmo evolutivo aplicado a problemas de optimización
title Propuesta de un algoritmo evolutivo aplicado a problemas de optimización
spellingShingle Propuesta de un algoritmo evolutivo aplicado a problemas de optimización
Izetta Riera, C. Javier
Ciencias Informáticas
problemas de optimización
computación evolutiva
metaheurísticas
title_short Propuesta de un algoritmo evolutivo aplicado a problemas de optimización
title_full Propuesta de un algoritmo evolutivo aplicado a problemas de optimización
title_fullStr Propuesta de un algoritmo evolutivo aplicado a problemas de optimización
title_full_unstemmed Propuesta de un algoritmo evolutivo aplicado a problemas de optimización
title_sort Propuesta de un algoritmo evolutivo aplicado a problemas de optimización
dc.creator.none.fl_str_mv Izetta Riera, C. Javier
Pérez Otero, Nilda
author Izetta Riera, C. Javier
author_facet Izetta Riera, C. Javier
Pérez Otero, Nilda
author_role author
author2 Pérez Otero, Nilda
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
problemas de optimización
computación evolutiva
metaheurísticas
topic Ciencias Informáticas
problemas de optimización
computación evolutiva
metaheurísticas
dc.description.none.fl_txt_mv En las últimas décadas diferentes tipos de algoritmos de optimización han sido desarrollados para resolver una gran cantidad de problemas. El principal desafío se presenta cuando el problema presenta una función objetivo altamente no lineal y no convexa, esto dificulta garantizar la localización del mínimo global. Por lo tanto, la necesidad de encontrar nuevas metaheurísticas que proporcionen un mejor desempeño en este tipo de problemas de optimización sigue aún vigente. En este trabajo se presenta el resultado de modificar AEvol, un algoritmo genético con un operador sencillo. La modificación consiste en la incorporación de un operador de cruza: BLX-<i>a</i>. Además de la incorporación de tres criterios de selección de padres: ruleta, torneo y muestreo estocástico universal. Al validar el nuevo algoritmo utilizando seis funciones <i>benchmarks</i> con diferentes configuraciones de parámetros, se obtuvieron resultados satisfactorios.
XV Workshop de Agentes y Sistemas Inteligentes
Red de Universidades con Carreras de Informática (RedUNCI)
description En las últimas décadas diferentes tipos de algoritmos de optimización han sido desarrollados para resolver una gran cantidad de problemas. El principal desafío se presenta cuando el problema presenta una función objetivo altamente no lineal y no convexa, esto dificulta garantizar la localización del mínimo global. Por lo tanto, la necesidad de encontrar nuevas metaheurísticas que proporcionen un mejor desempeño en este tipo de problemas de optimización sigue aún vigente. En este trabajo se presenta el resultado de modificar AEvol, un algoritmo genético con un operador sencillo. La modificación consiste en la incorporación de un operador de cruza: BLX-<i>a</i>. Además de la incorporación de tres criterios de selección de padres: ruleta, torneo y muestreo estocástico universal. Al validar el nuevo algoritmo utilizando seis funciones <i>benchmarks</i> con diferentes configuraciones de parámetros, se obtuvieron resultados satisfactorios.
publishDate 2014
dc.date.none.fl_str_mv 2014-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/42424
url http://sedici.unlp.edu.ar/handle/10915/42424
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260190861197312
score 13.13397

Publicaciones similares