Profesor | Luis German Pérez Hernández | lu mi vi | 7 a 8 | P104 |
Ayudante | Edgar David Arenas Díaz | ma ju | 7 a 8 | Taller de Lenguajes de Programación |
Ayud. Lab. | Edgar David Arenas Díaz | ju | 14 a 16 | Taller de Lenguajes de Programación |
Algoritmos Genéticos
Resumen
En este curso el alumno aprenderá las bases teóricas y prácticas de los algoritmos genéticos y evolutivos. En donde dichos algoritmos se basan en la “Teoría de la Evolución de las Especies”para resolver problemas de Optimización y de Búsqueda en Espacios de Soluciones, en donde los algoritmos determinísticos tradicionales tardarían mucho tiempo en dar una solución (Problemas NP).
Se implementaran algoritmos genéticos secuenciales, híbridos y paralelos para resolver diversos problemas NP.
Temario
1.Introducción
1.1 Fundamentos Biológicospara resolver Problemas de Optimización
1.2 Evolución Natural
1.3 Algoritmos Bio-Inspirados
PSO
ACO
Algoritmos Evolutivos
1.4 Algoritmos GenéticosCodificación
Función de Adaptación
Selección
Cruzamiento
Mutación
Elitismo
1.5 Algoritmo Genético Tradicional2.Esquemas
2.1 Teorema de los Esquemas
Selección
Cruzamiento
Mutación
Tipos de cruzamiento
2.2 Cruzamiento de un punto
2.3 Cruzamiento de dos puntos
2.4 Cruzamiento uniforme
3.Optimización
3.1Problemas de optimización
3.2Optimización Continua
Optimización restringida
Optimización no restringida
3.3Optimización Combinatoria
Problema de la Mochila
Problema de Redes
Problema del Agente Viajero
3.4Métodos de Resolución en Optimización Combinatoria
Técnicas Exhaustivas
3.5 Técnicas Heurísticas
Tipos de heurísticas
4.Algoritmos genéticos híbridos
4.1 Hibridación
4.2 Adaptación de un algoritmo genético
Uso de la codificación actual
Hibridación cuando sea posible
Adaptación de los operadores genéticos
5.Algoritmos genéticos paralelos
5.1 Terminología
5.2 Modelos de computación paralela
5.3 Modelos de organización de memoria
5.4 Paralelización de los algoritmos genéticos
5.5 Clasificación de los algoritmos genéticos enparalelo
Algoritmos genéticos de maestro-esclavo
Algoritmos genéticos de granularidad fina y población sencilla
Algoritmos genéticos de granularidad gruesa de múltiples poblaciones
(método de islas)
Calificación del Curso
•Dentro del curso se aplicarán dos exámenes parciales, los cuales serán el 50% de la calificación final.
•El 50% restante será el promedio de la calificación de las practicas y un proyecto final (implementar un Algoritmo Genético para resolver un problema práctico).
•Los exámenes de recuperación y/o proyectos adicionales serán a consideración, dependiendo del trabajo del grupo.
Contacto
Si tienen alguna pregunta adicional por favor me pueden contactar de la siguiente manera:
Email: gpowmx@hotmail.com
Celular: (044) 5515287540