| Máster Universitario en Intelixencia Artificial |
 Asignaturas |
| Computación Evolutiva |
| Contenidos |
|
|
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Computación Evolutiva | Código | 614544015 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
| Máster Oficial | 2º cuatrimestre |
Primero | Optativa | 3 | ||||||||||
|
||||||||||||||
| Tema | Subtema |
| Introducción a algoritmos de optimización |
Esquema general de algoritmos evolutivos. Conceptos básicos: dominio de búsqueda, restricciones, penalizaciones. No Free Lunch theorem. Conceptos básicos de optimización multiobjetivo. |
| Paradigmas y meta-heurísticas de algoritmos inspirados en la naturaleza | Metaheurísticas bio-inspiradas. Inteligencia de enjambre. |
| Algoritmos específicos de computación evolutiva |
Algoritmos genéticos. Estrategias evolutivas. Programación genética. Ejemplos de inteligencia de enjambre: Particle Swarm Optimization, Arficial Bee Algorithm, Bacterial Colony Optimization, Ant algorithms. Ejemplos de otros algoritmos evolutivos bio-inspìrados. |
| Avances en la adaptación automática de algoritmos evolutivos | Adaptación automática de los parámetros definitorios de un AE. Uso de hiper-heurísticas. |
|
