Gaia

XSLaren edukia

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

IzenaErakundeaKategoriaDoktoreaIrakaskuntza-profilaArloaHelbide elektronikoa
HERNANDO RODRIGUEZ, LETICIAEuskal Herriko UnibertsitateaIrakaslego Atxikia (Laguntzaile Doktorea)DoktoreaElebidunaEstatistika eta Ikerkuntza Operatiboaleticia.hernando@ehu.eus
FERNANDEZ MARTINEZ, JUAN LUISOviedoko UnibertsitateaUnibertsitateko KatedradunaDoktoreaMatematika Aplikatuajlfm@uniovi.es

Gaitasunak

IzenaPisua
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

MotaIkasgelako orduakIkasgelaz kanpoko orduakOrduak guztira
Magistrala243660
Mintegia41216
Gelako p.81826
Ordenagailuko p.242448

Irakaskuntza motak

IzenaOrduakIkasgelako orduen ehunekoa
Ariketak10.00 %
Eskola magistralak24.0100 %
Eztabaidak6.025 %
Gelako praktikak14.025 %
Irakurketak10.00 %
Kasuen analisia10.00 %
Mintegiak4.0100 %
Ordenagailuko praktikak48.050 %
Talde-lana18.00 %
Tutoretzak6.050 %

Ebaluazio-sistemak

IzenaGutxieneko ponderazioaGehieneko ponderazioa
Lan praktikoak60.0 % 80.0 %
Se valorará la asistencia y la respuesta a las actividades y ejercicios propuestos20.0 % 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 utilizados

Componentes 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, 1999



Eiben,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, 1975



Goldberg, D.E., Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, 1989

Aldizkariak

Evolutionary Computation, MIT Press Journal







IEEE 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/HomePage







IEEE 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/

XSLaren edukia

Iradokizunak eta eskaerak