Gaia
Algoritmo Bioinspiratuak eta Konputazio Ebolutiboko Teknikak
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Gaztelania
Irakasgaiaren azalpena eta testuingurua
En la actualidad la creciente complejidad de los sistemas de casi cualquier tipo: productivos, de transporte, de comunicaciones, etc. hacen que su optimización mediante el uso de técnicas clásicas sea cada vez menos factible. Como una alternativa para optimizar estos sistemas se encuentran las denominadas técnicas metaheurísticas de optimización, y en particular los algoritmos bioinspirados y técnicas de computación evolutiva.Este tipo de algoritmos han demostrado que son capaces de proporcionar soluciones satisfactorias a problemas de gran complejidad y de muy diversos ámbitos en tiempos aceptables.
La asignatura se centrará en realizar una introducción a dichas técnicas, mostrando un abanico de las más habituales. Se hará especial hincapié en la implementación, la aplicabilidad y la aplicación de las técnicas.
Irakasleak
Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
---|---|---|---|---|---|---|
GORRIA CORRES, CARLOS | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Matematika Aplikatua | carlos.gorria@ehu.eus |
HERNANDO RODRIGUEZ, LETICIA | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Estatistika eta Ikerkuntza Operatiboa | leticia.hernando@ehu.eus |
FERNANDEZ MARTINEZ, JUAN LUIS | Oviedoko Unibertsitatea | Unibertsitateko Katedraduna | Doktorea | Matematika Aplikatua | jlfm@uniovi.es |
Gaitasunak
Izena | Pisua |
---|---|
Entender el funcionamiento y la utilización de los algoritmos estudiados. | 16.0 % |
Ser capaz de diseñar un método evolutivo simple para la resolución de un problema. | 16.0 % |
Ajustar adecuadamente los diferentes parámetros de los algoritmos bioinspirados mediante la correspondiente experimentación. | 16.0 % |
Manejar con cierta destreza el software utilizado en las sesiones. | 16.0 % |
Diseñar adecuadamente baterías de experimentación. | 16.0 % |
Presentar rigurosamente los resultados tras la fase de experimentación. | 16.0 % |
Irakaskuntza motak
Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
---|---|---|---|
Magistrala | 24 | 36 | 60 |
Mintegia | 4 | 12 | 16 |
Gelako p. | 8 | 18 | 26 |
Ordenagailuko p. | 24 | 24 | 48 |
Irakaskuntza motak
Izena | Orduak | Ikasgelako orduen ehunekoa |
---|---|---|
Ariketak | 10.0 | 0 % |
Eskola magistralak | 24.0 | 100 % |
Eztabaidak | 6.0 | 25 % |
Gelako praktikak | 14.0 | 25 % |
Irakurketak | 10.0 | 0 % |
Kasuen analisia | 10.0 | 0 % |
Mintegiak | 4.0 | 100 % |
Ordenagailuko praktikak | 48.0 | 50 % |
Talde-lana | 18.0 | 0 % |
Tutoretzak | 6.0 | 50 % |
Ebaluazio-sistemak
Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
---|---|---|
Lan praktikoak | 60.0 % | 80.0 % |
Se valorará la asistencia y la respuesta a las actividades y ejercicios propuestos | 20.0 % | 40.0 % |
Ohiko deialdia: orientazioak eta uko egitea
La evaluación final consistirá en la realización de un trabajo por parte del alumno que deberá entregarse antes de la fecha determinada por la Comisión Académica del Máster. La calificación de dicho trabajo junto con la de la asistencia y participación a clase determinará la calificación global del alumno. De forma excepcional y previo el visto bueno del Coordinador del Máster/Comisión Académica, en caso de no poder asistir con regularidad a las sesiones, el estudiante debería realizar un trabajo adicional para evaluar la "asistencia y participación en clase".El alumnado que haya asistido y participado en el curso pero que no se presente a la convocatoria ordinaria, es decir, no entregue el trabajo correspondiente, será calificado como No presentado/a.
Ezohiko deialdia: orientazioak eta uko egitea
Los criterios de evaluación serán los mismos que en la convocatoria ordinaria.Irakasgai-zerrenda
Se presentarán los elementos comunes a los algoritmos bioinspirados o evolutivos para posteriormente desarrollar algunos de los tipos más utilizadosComponentes principales de los Algoritmos Genéticos; El Algoritmo Genético Simple; Representaciones alternativas. Operadores de Variación y Selección. Prácticas con Octave/Matlab
Componentes principales de las Estrategias de evolución. Autoadaptación. Operadores de variación. Prácticas con Octave/Matlab
Estructuras para representar programas: Árboles, Straight Line Programs. Operadores de selección y recombinación. Aplicación a problemas de Regresión
Optimalidad Pareto. Pareto rankings usados en algoritmos evolutivos multiobjetivo. Ejemplos de algoritmos
Evolución diferencial, Algoritmos de estimación de distribuciones, Particle Swarm Optimization (PSO)
Breve presentación y estudio de algunos problemas susceptibles de ser abordados mediante las estrategias presentadas
Bibliografia
Nahitaez erabili beharreko materiala
Apuntes y prácticas de la asignatura "Algoritmos Bioinspirados y Técnicas de Computación Evolutiva" publicados en la plataforma virtual de apoyo a la docencia Moodle (UPV/EHU)Oinarrizko bibliografia
Michalewicz Z., Genetic Algorithms and Data Structures: Evolution Programs. Springer, 1999Eiben,A.E. y Smith, J.E. Introduction to evolutionarly computing. Springer, 2007
J. Koza. Genetic Programming: On the Programming of Computers by Means of Natural Selection. The MIT Press, 1992.
Gehiago sakontzeko bibliografia
Holland, J.H. Adaptation in Natural and Artifiical Systems. Univ. Michigan Press, 1975Goldberg, D.E., Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, 1989
Aldizkariak
Evolutionary Computation, MIT Press JournalIEEE Transactions on Evolutionary Computation, IEEE Press
Genetic Programming and Evolvable Machines, Springer
Swarm Intelligence, Springer
International Journal of Applied Evolutionary Computation, IGI Global
Swarm and Evolutionary Computation, Elsevier
Journal of Heuristics, Springer
Estekak
Genetic and Evolutionary Computation Conference (GECCO), http://gecco-2018.sigevo.org/index.html/HomePageIEEE Congress on Evolutionary Computation (CEC), http://www.cec2017.org/
Congreso español de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados, http://mic2017.upf.edu/maeb-2/
International Conference on Bioinspired Optimization Methods and their Applications (BIOMA), https://bioma2018.sciencesconf.org/
International Conference on Parallel Problem Solving from Nature (PPSN), http://ppsn2018.dei.uc.pt/