Optimización evolutiva en ambientes dinámicos

Autores
Aragón, Victoria S.; Esquivel, Susana Cecilia
Año de publicación
2002
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los problemas del mundo real están, por lo general, asociados con grandes espacios de búsqueda, no lineales, funciones de evaluación multimodales y, en muchos casos, no existen métodos matemáticos para encontrar sus soluciones y, aun cuando existan, a manudos son computacionalmente intensivos para resultar prácticos. Su complejidad computacional aumenta tan rápidamente que cuando se trata de aplicarlos a problemas que no sean sencillos resultan prácticamente inútiles. Con la finalidad de transformarlos en útiles, por lo general, se aceptan simplificaciones para poder aplicar la evaluación de funciones lineales, con restricciones lineales, valores enteros y otros dispositivos matemáticos comunes, sacrificando la respuesta correcta para obtener una respuesta posible. Actualmente la situación es peor porque en el proceso de resolución de problemas del mundo real no es suficiente con solucionar el problema. El problema debe ser solucionado, una y otra vez, en función de que el mundo está en permanente cambio. Los métodos clásicos que generan soluciones para problemas combinatorios son matemáticos. Ellos computan solamente una solución y cuando las condiciones del problema cambian, la nueva mejor solución debe determinarse a partir de cero, es decir, el trabajo realizado hasta el momento, para resolver el problema, se pierde. Por el contrario, los métodos que buscan soluciones, en vez de computarlas, parecen más convenientes para adaptarse a circunstancias cambiantes. En este trabajo se presenta una línea de investigación en esta última dirección utilizando un enfoque evolutivo.
Eje: Sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
optimización
ARTIFICIAL INTELLIGENCE
soluciones
Optimization
enfoque evolutivo
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:10915/22050

id SEDICI_65c2ace1ef22b41e03e43d48ecaa6a9d
oai_identifier_str oai:sedici.unlp.edu.ar:10915/22050
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Optimización evolutiva en ambientes dinámicosAragón, Victoria S.Esquivel, Susana CeciliaCiencias InformáticasoptimizaciónARTIFICIAL INTELLIGENCEsolucionesOptimizationenfoque evolutivoLos problemas del mundo real están, por lo general, asociados con grandes espacios de búsqueda, no lineales, funciones de evaluación multimodales y, en muchos casos, no existen métodos matemáticos para encontrar sus soluciones y, aun cuando existan, a manudos son computacionalmente intensivos para resultar prácticos. Su complejidad computacional aumenta tan rápidamente que cuando se trata de aplicarlos a problemas que no sean sencillos resultan prácticamente inútiles. Con la finalidad de transformarlos en útiles, por lo general, se aceptan simplificaciones para poder aplicar la evaluación de funciones lineales, con restricciones lineales, valores enteros y otros dispositivos matemáticos comunes, sacrificando la respuesta correcta para obtener una respuesta posible. Actualmente la situación es peor porque en el proceso de resolución de problemas del mundo real no es suficiente con solucionar el problema. El problema debe ser solucionado, una y otra vez, en función de que el mundo está en permanente cambio. Los métodos clásicos que generan soluciones para problemas combinatorios son matemáticos. Ellos computan solamente una solución y cuando las condiciones del problema cambian, la nueva mejor solución debe determinarse a partir de cero, es decir, el trabajo realizado hasta el momento, para resolver el problema, se pierde. Por el contrario, los métodos que buscan soluciones, en vez de computarlas, parecen más convenientes para adaptarse a circunstancias cambiantes. En este trabajo se presenta una línea de investigación en esta última dirección utilizando un enfoque evolutivo.Eje: Sistemas inteligentesRed de Universidades con Carreras en Informática (RedUNCI)2002-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf425-428http://sedici.unlp.edu.ar/handle/10915/22050spainfo: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:UNLP2025-09-29T10:54:52Zoai:sedici.unlp.edu.ar:10915/22050Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:53.169SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Optimización evolutiva en ambientes dinámicos
title Optimización evolutiva en ambientes dinámicos
spellingShingle Optimización evolutiva en ambientes dinámicos
Aragón, Victoria S.
Ciencias Informáticas
optimización
ARTIFICIAL INTELLIGENCE
soluciones
Optimization
enfoque evolutivo
title_short Optimización evolutiva en ambientes dinámicos
title_full Optimización evolutiva en ambientes dinámicos
title_fullStr Optimización evolutiva en ambientes dinámicos
title_full_unstemmed Optimización evolutiva en ambientes dinámicos
title_sort Optimización evolutiva en ambientes dinámicos
dc.creator.none.fl_str_mv Aragón, Victoria S.
Esquivel, Susana Cecilia
author Aragón, Victoria S.
author_facet Aragón, Victoria S.
Esquivel, Susana Cecilia
author_role author
author2 Esquivel, Susana Cecilia
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
optimización
ARTIFICIAL INTELLIGENCE
soluciones
Optimization
enfoque evolutivo
topic Ciencias Informáticas
optimización
ARTIFICIAL INTELLIGENCE
soluciones
Optimization
enfoque evolutivo
dc.description.none.fl_txt_mv Los problemas del mundo real están, por lo general, asociados con grandes espacios de búsqueda, no lineales, funciones de evaluación multimodales y, en muchos casos, no existen métodos matemáticos para encontrar sus soluciones y, aun cuando existan, a manudos son computacionalmente intensivos para resultar prácticos. Su complejidad computacional aumenta tan rápidamente que cuando se trata de aplicarlos a problemas que no sean sencillos resultan prácticamente inútiles. Con la finalidad de transformarlos en útiles, por lo general, se aceptan simplificaciones para poder aplicar la evaluación de funciones lineales, con restricciones lineales, valores enteros y otros dispositivos matemáticos comunes, sacrificando la respuesta correcta para obtener una respuesta posible. Actualmente la situación es peor porque en el proceso de resolución de problemas del mundo real no es suficiente con solucionar el problema. El problema debe ser solucionado, una y otra vez, en función de que el mundo está en permanente cambio. Los métodos clásicos que generan soluciones para problemas combinatorios son matemáticos. Ellos computan solamente una solución y cuando las condiciones del problema cambian, la nueva mejor solución debe determinarse a partir de cero, es decir, el trabajo realizado hasta el momento, para resolver el problema, se pierde. Por el contrario, los métodos que buscan soluciones, en vez de computarlas, parecen más convenientes para adaptarse a circunstancias cambiantes. En este trabajo se presenta una línea de investigación en esta última dirección utilizando un enfoque evolutivo.
Eje: Sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
description Los problemas del mundo real están, por lo general, asociados con grandes espacios de búsqueda, no lineales, funciones de evaluación multimodales y, en muchos casos, no existen métodos matemáticos para encontrar sus soluciones y, aun cuando existan, a manudos son computacionalmente intensivos para resultar prácticos. Su complejidad computacional aumenta tan rápidamente que cuando se trata de aplicarlos a problemas que no sean sencillos resultan prácticamente inútiles. Con la finalidad de transformarlos en útiles, por lo general, se aceptan simplificaciones para poder aplicar la evaluación de funciones lineales, con restricciones lineales, valores enteros y otros dispositivos matemáticos comunes, sacrificando la respuesta correcta para obtener una respuesta posible. Actualmente la situación es peor porque en el proceso de resolución de problemas del mundo real no es suficiente con solucionar el problema. El problema debe ser solucionado, una y otra vez, en función de que el mundo está en permanente cambio. Los métodos clásicos que generan soluciones para problemas combinatorios son matemáticos. Ellos computan solamente una solución y cuando las condiciones del problema cambian, la nueva mejor solución debe determinarse a partir de cero, es decir, el trabajo realizado hasta el momento, para resolver el problema, se pierde. Por el contrario, los métodos que buscan soluciones, en vez de computarlas, parecen más convenientes para adaptarse a circunstancias cambiantes. En este trabajo se presenta una línea de investigación en esta última dirección utilizando un enfoque evolutivo.
publishDate 2002
dc.date.none.fl_str_mv 2002-05
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/10915/22050
url http://sedici.unlp.edu.ar/handle/10915/22050
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
425-428
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_ 1844615806999068672
score 13.070432