Una comparación de algoritmos evolutivos para la optimización de funciones multimodales

Autores
Brero, Alejandro C.; Gallard, Raúl Hector
Año de publicación
2000
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
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.
I Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Algoritmos
representación
estrategias evolutivas
mutación delta
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:10915/23462

id SEDICI_be1abf4ee3db225f175e80edd5e5ab98
oai_identifier_str oai:sedici.unlp.edu.ar:10915/23462
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Una comparación de algoritmos evolutivos para la optimización de funciones multimodalesBrero, Alejandro C.Gallard, Raúl HectorCiencias InformáticasAlgoritmosrepresentaciónestrategias evolutivasmutación deltaLa 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.I Workshop de Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática (RedUNCI)2000-10info: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/10915/23462spainfo: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:UNLP2025-09-29T10:55:26Zoai:sedici.unlp.edu.ar:10915/23462Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:26.89SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
title Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
spellingShingle Una comparación de algoritmos evolutivos para la optimización de funciones multimodales
Brero, Alejandro C.
Ciencias Informáticas
Algoritmos
representación
estrategias evolutivas
mutación delta
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
dc.creator.none.fl_str_mv Brero, Alejandro C.
Gallard, Raúl Hector
author Brero, Alejandro C.
author_facet Brero, Alejandro C.
Gallard, Raúl Hector
author_role author
author2 Gallard, Raúl Hector
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Algoritmos
representación
estrategias evolutivas
mutación delta
topic Ciencias Informáticas
Algoritmos
representación
estrategias evolutivas
mutación delta
dc.description.none.fl_txt_mv 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.
I Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
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.
publishDate 2000
dc.date.none.fl_str_mv 2000-10
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/10915/23462
url http://sedici.unlp.edu.ar/handle/10915/23462
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_ 1844615813785452544
score 13.070432