CÓMPUTO EVOLUTIVO

CICLO CLAVE DE LA ASIGNATURA

SEMESTRE 3 C16EVO1

OBJETIVO(S) GENERAL(ES) DE LA ASIGNATURA

En esta asignatura se introducen y analizan diversos métodos de optimización aproximados basados
en el cómputo evolutivo para los ámbitos de optimización multi-objetivo y optimización con restricciones.
Además, se introducen los algoritmos meméticos y se aplican en ambos ámbitos de optimización,
cubriéndose además la forma de diseñar e implementar algoritmos evolutivos paralelos. Para cada
propuesta se analizan sus fundamentos y se llevan a la práctica a través de la resolución de problemas
complejos.

TEMAS Y SUBTEMAS

Tema 1: Algoritmos meméticos

• Búsquedas locales y métodos de trayectoria
• Exploración e intensificación del espacio de búsqueda
• Método de Lamarck y método de Baldwin
• Integración estática de métodos globales y locales
• Integración dinámica de métodos globales y locales
• Integración adaptativa de métodos globales y locales
• Aplicaciones

Tema 2: Optimización multi-objetivo

• Dominancia de Pareto
• Métricas multi-objetivo
• Hipervolumen
• Indicador Épsilon
• Contribución
• Superficies de cubrimiento
• Otras métricas

Página 12
 • Variantes iniciales de algoritmos evolutivos multi-objetivo
• Algoritmos evolutivos basados en la dominancia de Pareto
• Algoritmos evolutivos basados en descomposición
• Métricas de diversidad en el espacio de los objetivos
• Control de diversidad

Tema 3: Optimización con restricciones

• Funciones de penalización
• Decodificadores
• Operadores especiales
• Ordenamiento estocástico
• El método de la restricción épsilon
• Aplicación de esquemas multi-objetivo

Tema 4: Algoritmos evolutivos paralelos

• Paralelización de la función de evaluación
• Esquemas basados en islas
• Modelos celulares
• Métricas de rendimiento

ACTIVIDADES DE APRENDIZAJE
Cursos presenciales
Resolución de ejercicios
Desarrollo de software de cómputo matemático
Lectura de publicaciones recientes
Desarrollo de un proyecto
Preparación de presentaciones

CRITERIOS Y PROCEDIMIENTOS DE EVALUACIÓN Y ACREDITACIÓN

Tareas Semanales (30%)
Tareas Mensuales (30%)
Proyecto (30%)
Presentación de proyecto (10%)

BIBLIOGRAFÍA
F. Neri, C. Cotta, P. Moscato. Handbook of Memetic Algorithms. Springer, 2012.
C. Coello, G. B. Lamont, D. Van Veldhuizen. Evolutionary Algorithms for Solving Multi-Objective Problems.
Springer, 2007.

Página 13
 E. Mezura-Montes. Constraint-Handling in Evolutionary Optimization. Springer, 2009.
E. Alba. Parallel Metaheuristics: A New Class of Algorithms. Wiley, 2005.
El-Ghazali Talbi. Metaheuristics: From Design to Implementation. Wiley, 2009.
J. Dréo, A. Pétrowski, P. Siarry, E. Taillard. Metaheuristics for Hard Optimization.
F. Glover, G. A. Kochenberger. Handbook of Metaheuristics. Kluwer Academic Publishers, 2003.
Michel Gendreau, Jean-Yves Potvin. Handbook of Metaheuristics. Springer, 2010.
S. Luke. Essential of Metaheuristics. 2013.
A. E. Eiben, J. E. Smith. Introduction to Evolutionary Computing. Springer, 2003.
Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs. Springer, 1996.

Página 14