|
Guía DocenteCurso Facultade de Informática |
| Máster Universitario en Intelixencia Artificial |
 Asignaturas |
| Computación Evolutiva |
| Contidos |
|
|
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Computación Evolutiva | Código | 614544015 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 2º cuadrimestre |
Primeiro | Optativa | 3 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| Introdución aos algoritmos de optimización |
Esquema xeral dos algoritmos evolutivos. Conceptos básicos: dominio de busca, restricións, penalizacións. No Free Lunch theorem Conceptos básicos de optimización multi-obxectivo |
| Paradigmas e meta-heurísticas de algoritmos inspirados na natureza | Metaheurísticas bio-inspiradas. Intelixencia de enxame. |
| Algoritmos específicos de computación evolutiva | Algoritmos xenéticos. Estratexias evolutivas. Programación xenética. Exemplos de intelixencia de enxame:Particle Swarm Optimization, Arficial Bee Algorithm, Bacterial Colony Optimization, Ant algorithms. Exemplos doutros algoritmos evolutivos bio-inspirados. |
| Avances na adaptación automática de algoritmos evolutivos | Adaptación automática dos parámetros definitorios dun AE. Uso de hiper-heurísticas. |
|
