Desarrollo de una guía metodológica sobre computación evolutiva y algoritmos genétcios, para la optimización evolutiva multiobjetivo
En el presente trabajo se pretende generar una guía la cual se enfocará en los principios básicos de la Computación Evolutiva y de la optimización multiobjetivo. Se revisará la parte teórica así como los conceptos y técnicas desarrolladas para el diseño de algoritmos que permiten la solución de prob...
| Autor Principal: | Subía Pico, Claudia Mabel |
|---|---|
| Formato: | bachelorThesis |
| Idioma: | spa |
| Publicado: |
Pontificia Universidad Católica del Ecuador
2015
|
| Materias: | |
| Acceso en línea: |
http://repositorio.puce.edu.ec/handle/22000/6374 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
En el presente trabajo se pretende generar una guía la cual se enfocará en los principios básicos de la Computación Evolutiva y de la optimización multiobjetivo. Se revisará la parte teórica así como los conceptos y técnicas desarrolladas para el diseño de algoritmos que permiten la solución de problemas multiobjetivo.
En el primer capítulo se revisarán los conceptos básicos que llevaron a la Computación Evolutiva. Se estudiará sobre los antecedentes en la biología y genética que sustentan los conceptos de evolución de los que se deriva la Computación Evolutiva. Se establecerán las definiciones y conceptos básicos relacionados. También se describe brevemente sobre el origen de los conceptos de evolución y la Teoría de la Evolución de las Especies.
El segundo capítulo describe los conceptos de Computación Evolutiva. Comenzando por la historia de la Inteligencia artificial, dando un especial énfasis en la historia de la Computación Evolutiva. Adicionalmente se revisará la teoría de los algoritmos evolutivos tanto su estructura como las clases de algoritmos evolutivos existentes.
En el tercer capítulo se revisará los conceptos sobre los algoritmos evolutivos multiobjetivo. Enfocándose primeramente en el Óptimo de Edgeworth-Pareto, para a continuación revisar las medidas de rendimiento de los algoritmos.
En el cuarto capítulo se aplicará el algoritmo NSGA-II para la optimización de problemas con múltiples objetivos. Inicialmente se hará una introducción al algoritmo NSGA-II. Se resumirá el funcionamiento del algoritmo en forma de diagrama de bloques. Finalmente se pasará a la aplicación y análisis de los resultados obtenidos.
En el quinto capítulo se establecerá conclusiones y recomendaciones que se dará a través del análisis del rendimiento del algoritmo utilizado y los conceptos básicos estudiados en toda la guía, con la finalidad de determinar las ventajas y desventajas del uso de algoritmos evolutivos multiobjetivos para la optimización de procesos. |
|---|