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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/22050
Ver los metadatos del registro completo
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 |