Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>

Autores
San Pedro, María Eugenia de; Pandolfi, Daniel; Villagra, Andrea; Lasso, Marta Graciela
Año de publicación
2006
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La adaptación de parámetros y operadores es una de las más importantes y promisorias áreas de investigación en la computación evolutiva. La idea es ajustar el algoritmo al problema, mientras el problema se resuelve. En los algoritmos genéticos (AGs) no sólo es necesario elegir la representación y los operadores para el problema, sino que también debemos elegir valores de parámetros y probabilidades de operadores del AG de manera tal que éste encuentre la solución y de manera eficiente. El proceso de encontrar “a mano” valores apropiados de parámetros y probabilidades de operadores para un AG que afecten el rendimiento del algoritmo de una manera significativa, es una tarea que implica un consumo considerable de tiempo y esfuerzo. Esto ha motivado la automatización de dicho proceso. En el presente trabajo se analiza la posibilidad de disminuir el esfuerzo computacional total sin perder calidad de las soluciones. Para esto se propone la adaptación del algoritmo a través de los parámetros básicos que intervienen en la multirecombinación, como son la cantidad de crossovers (n1) y la cantidad de padres (n2).
The adaptation of parameters and operators are one of the most important and promissory investigation areas in the evolutionary computation. The idea is adjust the algorithm to the problem while this problem is solved. In genetic algorithms (GAs) it is not only necessary choose the representation and the operators for the problem, also we should choose values of parameters and probabilities of operators of the GA in such way that this finds the solution efficiently. The process to find “manually” appropriate values of parameters and probabilities of operators for a GA that affect significantly the performance of the algorithm, it is a task that implies a considerable consumption of time and effort. It has motivated the automation of this process. This work analyzes the possibility to diminish the total computational effort without losing quality of the solutions. For this it intends the adaptation of the algorithm through the basic parameters that intervene in the multirecombination, like the quantity of crossovers (n1) and the quantity of parents (n2).
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
multirecombinación
Adaptación
Algorithms
algoritmos genéticos
crossover
multirecombination
genetic algorithms
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:10915/22700

id SEDICI_85e1242f17a9f8293cd1c7555d3d7401
oai_identifier_str oai:sedici.unlp.edu.ar:10915/22700
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>San Pedro, María Eugenia dePandolfi, DanielVillagra, AndreaLasso, Marta GracielaCiencias InformáticasmultirecombinaciónAdaptaciónAlgorithmsalgoritmos genéticoscrossovermultirecombinationgenetic algorithmsLa adaptación de parámetros y operadores es una de las más importantes y promisorias áreas de investigación en la computación evolutiva. La idea es ajustar el algoritmo al problema, mientras el problema se resuelve. En los algoritmos genéticos (AGs) no sólo es necesario elegir la representación y los operadores para el problema, sino que también debemos elegir valores de parámetros y probabilidades de operadores del AG de manera tal que éste encuentre la solución y de manera eficiente. El proceso de encontrar “a mano” valores apropiados de parámetros y probabilidades de operadores para un AG que afecten el rendimiento del algoritmo de una manera significativa, es una tarea que implica un consumo considerable de tiempo y esfuerzo. Esto ha motivado la automatización de dicho proceso. En el presente trabajo se analiza la posibilidad de disminuir el esfuerzo computacional total sin perder calidad de las soluciones. Para esto se propone la adaptación del algoritmo a través de los parámetros básicos que intervienen en la multirecombinación, como son la cantidad de crossovers (n1) y la cantidad de padres (n2).The adaptation of parameters and operators are one of the most important and promissory investigation areas in the evolutionary computation. The idea is adjust the algorithm to the problem while this problem is solved. In genetic algorithms (GAs) it is not only necessary choose the representation and the operators for the problem, also we should choose values of parameters and probabilities of operators of the GA in such way that this finds the solution efficiently. The process to find “manually” appropriate values of parameters and probabilities of operators for a GA that affect significantly the performance of the algorithm, it is a task that implies a considerable consumption of time and effort. It has motivated the automation of this process. This work analyzes the possibility to diminish the total computational effort without losing quality of the solutions. For this it intends the adaptation of the algorithm through the basic parameters that intervene in the multirecombination, like the quantity of crossovers (n1) and the quantity of parents (n2).Red de Universidades con Carreras en Informática (RedUNCI)2006-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1531-1541http://sedici.unlp.edu.ar/handle/10915/22700spainfo: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:UNLP2025-09-29T10:55:07Zoai:sedici.unlp.edu.ar:10915/22700Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:08.269SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>
title Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>
spellingShingle Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>
San Pedro, María Eugenia de
Ciencias Informáticas
multirecombinación
Adaptación
Algorithms
algoritmos genéticos
crossover
multirecombination
genetic algorithms
title_short Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>
title_full Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>
title_fullStr Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>
title_full_unstemmed Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>
title_sort Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>
dc.creator.none.fl_str_mv San Pedro, María Eugenia de
Pandolfi, Daniel
Villagra, Andrea
Lasso, Marta Graciela
author San Pedro, María Eugenia de
author_facet San Pedro, María Eugenia de
Pandolfi, Daniel
Villagra, Andrea
Lasso, Marta Graciela
author_role author
author2 Pandolfi, Daniel
Villagra, Andrea
Lasso, Marta Graciela
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
multirecombinación
Adaptación
Algorithms
algoritmos genéticos
crossover
multirecombination
genetic algorithms
topic Ciencias Informáticas
multirecombinación
Adaptación
Algorithms
algoritmos genéticos
crossover
multirecombination
genetic algorithms
dc.description.none.fl_txt_mv La adaptación de parámetros y operadores es una de las más importantes y promisorias áreas de investigación en la computación evolutiva. La idea es ajustar el algoritmo al problema, mientras el problema se resuelve. En los algoritmos genéticos (AGs) no sólo es necesario elegir la representación y los operadores para el problema, sino que también debemos elegir valores de parámetros y probabilidades de operadores del AG de manera tal que éste encuentre la solución y de manera eficiente. El proceso de encontrar “a mano” valores apropiados de parámetros y probabilidades de operadores para un AG que afecten el rendimiento del algoritmo de una manera significativa, es una tarea que implica un consumo considerable de tiempo y esfuerzo. Esto ha motivado la automatización de dicho proceso. En el presente trabajo se analiza la posibilidad de disminuir el esfuerzo computacional total sin perder calidad de las soluciones. Para esto se propone la adaptación del algoritmo a través de los parámetros básicos que intervienen en la multirecombinación, como son la cantidad de crossovers (n1) y la cantidad de padres (n2).
The adaptation of parameters and operators are one of the most important and promissory investigation areas in the evolutionary computation. The idea is adjust the algorithm to the problem while this problem is solved. In genetic algorithms (GAs) it is not only necessary choose the representation and the operators for the problem, also we should choose values of parameters and probabilities of operators of the GA in such way that this finds the solution efficiently. The process to find “manually” appropriate values of parameters and probabilities of operators for a GA that affect significantly the performance of the algorithm, it is a task that implies a considerable consumption of time and effort. It has motivated the automation of this process. This work analyzes the possibility to diminish the total computational effort without losing quality of the solutions. For this it intends the adaptation of the algorithm through the basic parameters that intervene in the multirecombination, like the quantity of crossovers (n1) and the quantity of parents (n2).
Red de Universidades con Carreras en Informática (RedUNCI)
description La adaptación de parámetros y operadores es una de las más importantes y promisorias áreas de investigación en la computación evolutiva. La idea es ajustar el algoritmo al problema, mientras el problema se resuelve. En los algoritmos genéticos (AGs) no sólo es necesario elegir la representación y los operadores para el problema, sino que también debemos elegir valores de parámetros y probabilidades de operadores del AG de manera tal que éste encuentre la solución y de manera eficiente. El proceso de encontrar “a mano” valores apropiados de parámetros y probabilidades de operadores para un AG que afecten el rendimiento del algoritmo de una manera significativa, es una tarea que implica un consumo considerable de tiempo y esfuerzo. Esto ha motivado la automatización de dicho proceso. En el presente trabajo se analiza la posibilidad de disminuir el esfuerzo computacional total sin perder calidad de las soluciones. Para esto se propone la adaptación del algoritmo a través de los parámetros básicos que intervienen en la multirecombinación, como son la cantidad de crossovers (n1) y la cantidad de padres (n2).
publishDate 2006
dc.date.none.fl_str_mv 2006-10
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/10915/22700
url http://sedici.unlp.edu.ar/handle/10915/22700
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
1531-1541
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_ 1844615810438397952
score 13.070432