Descripción
Problemas a resolver.- Computación evolutiva: Los orígenes.- ¿Qué es un algoritmo evolutivo?.- Representación, mutación y recombinación.- Aptitud, selección y gestión de la población.- Variantes populares de algoritmos evolutivos.- Hibridación con otras técnicas: Algoritmos meméticos.- Optimización de funciones no estacionarias y ruidosas.- Algoritmos evolutivos multiobjetivo.- Manejo de restricciones.- Algoritmos evolutivos interactivos.- Sistemas coevolutivos.- Teoría.- Robótica evolutiva.- Parámetros y ajuste de parámetros.- Control de parámetros.- Trabajar con algoritmos evolutivos.- Referencias.
Autor: A. E. Eiben, J. E. Smith
Editorial: Springer
Publicado: 17/10/2016
Páginas: 287
Tipo de encuadernación: Tapa blanda
Peso: 0.94lbs
Tamaño: 9.21h x 6.14w x 0.64d
ISBN13: 9783662499856
ISBN10: 3662499851
Categorías BISAC:
- Computadoras | Inteligencia Artificial | General
- Computadoras | Ciencias de la Computación
- Tecnología e Ingeniería | Robótica
Sobre el autor
El Prof. Gusz Eiben obtuvo su doctorado en Ciencias de la Computación en 1991. Fue uno de los pioneros en la investigación de la computación evolutiva en Europa y desempeñó roles clave en comités directivos, comités de programas y consejos editoriales para todos los eventos y publicaciones importantes relacionados. Sus principales áreas de investigación se centraron en la recombinación multiparental, la satisfacción de restricciones y los algoritmos evolutivos autocalibrantes; ahora investiga aspectos más amplios de la inteligencia encarnada y la robótica evolutiva.
El Prof. James E. Smith obtuvo su doctorado en Ciencias de la Computación en 1998. Es profesor asociado de Inteligencia Artificial Interactiva y jefe del Grupo de Investigación en Inteligencia Artificial en el Departamento de Ciencias de la Computación y Tecnologías Creativas de la Universidad del Oeste de Inglaterra, Bristol. Su trabajo ha combinado el modelado teórico con estudios empíricos en varias áreas, especialmente en lo que respecta a sistemas auto-adaptativos e híbridos que "aprenden a aprender". Sus intereses de investigación actuales incluyen optimización; aprendizaje automático y clasificación; algoritmos meméticos; control de divulgación estadística; verificación de diseño VLSI; segmentación y clasificación adaptativa de imágenes y sistemas de visión por computadora para el control de calidad de producción; y problemas de bioinformática como la predicción de la estructura de proteínas y la comparación de la estructura de proteínas.