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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/23462
Ver los metadatos del registro completo
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 |