Aula 8 (Facultad de Matemáticas), 13.30 h.
Los Algoritmos Genéticos usan una analogía directa con el comportamiento natural. Trabajan con una
población de individuos, cada uno de los cuales representa una solución
factible a un problema. Se le asigna un valor relacionado con la
bondad de dicha solución, se producen cruces y mutaciones de los
individuos, obteniéndose una nueva población de posibles soluciones
reemplazando a la anterior seleccionándose las soluciones con mejor
bondad y desechándose las peores. Si el Algoritmo Genético ha sido bien
diseñado, la población convergerá hacia una solución óptima del
problema.
Bibliografía básica:
- Algorithms and complexity. J. F. Traub; Hugh R. Morgan. New York [etc.] : Academic press, cop. 1976 IX, 523 p. ; 24 cm ISBN:0-12-697540-X
- An introduction to genetic algorithms for scientists and engineers. Coley, David A. Singapore: World Scientific, 2003 XVI, 227 p. ; 22 cm. + 1 disquete 3 1/2 ISBN: 981–02-3602-6
- Practical genetic algorithms. Haupt, Randy L.; Haupt, Sue Ellen New York [etc.] : John Wiley, cop. 1998 XIV, 177 p. ; 25 cm ISBN:0-471-18873-5 Bolsky, Morris I.
Juan
José Espino Martín se
licenció en Matemáticas en 2008 y obtuvo el Máster oficial
en “Matemáticas avanzadas: aplicaciones y educación” en
2009 ambos por la Universidad de La Laguna. Participó en
el Proyecto Nacional de I+D “Intercambios Múltiples y algoritmos
eficientes en optimización escalar” en 2010. Desde ese año es
estudiante de Doctorado en
Matemáticas en la Universidad de La Laguna y miembro del grupo
de investigación “Optimización en redes”, actividad que
compatibiliza en la actualidad con la docencia en educación
secundaria en el sistema educativo público.
0 comentarios:
Publicar un comentario