Última actualización: 29/06/2021


Curso Académico: 2021/2022

Algoritmos genéticos y evolutivos
(15755)
Titulación: Grado en Ingeniería Informática (218)


Coordinador/a: ISASI VIÑUELA, PEDRO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Programación. Primer curso, primer cuatrimestre Estadística. Segundo curso, segundo cuatrimestre
Objetivos
DE CONOCIMIENTO: - Dominar los conceptos básicos de las técnicas de resolución de problemas basadas en poblaciones - Conocer las técnicas fundamentales que permiten la resolución de problemas siguiendo esquemas evolutivos inspirados en metáforas biológicas - Conocer qué técnicas son apropiadas para cada dominio de resolución de problemas - Conocer las peculiaridades de cada técnica evolutiva y su parametrización más apropiada - Conocer las variantes de cada técnica y el motivo de su aplicación DE COMPRENSIÓN: - Comprender el funcionamiento de los sistemas de aprendizaje basados en poblaciones - Comprender los fundamentos matemáticos que avalan la utilidad de las técnicas evolutivas descritas en el curso - Comprender las variantes de cada técnica, su motivación y justificación práctica - Comprender la utilidad de las técnicas propuestas en la resolución de problemas DE APLICACIÓN: - Adaptar cada técnica a las características específicas de los dominios de problemas - Evaluar las prestaciones y eficiencia de los métodos de forma comparativa - Trabajar sobre problemas específicos y resolverlos de forma eficiente ajustando las técnicas y sus parámetros - Organizar entornos experimentales para validar diferentes alternativas y ser capaces de evaluar y analizar los resultados - Habilidad para trabajar en equipo de una forma cooperativa y creativa - Habilidad de comunicarse de forma oral y escrita de manera eficiente CRITICA O VALORACIÓN: - Valorar la capacidad de técnicas alternativas para resolver un cierto problema - Criticar una propuesta dada (p.e. en la bibliografía recomendada) - Considerar la relación entre coste computacional y mejora marginal de diferentes soluciones - Decidir soluciones razonables según las características de un determinado problema
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción a los algoritmos de computación evolutiva 2. Conceptos generales de algoritmos evolutivos 2.1 Inicialización 2.2 Parada 2.3 Selección 2.4 Reproducción 2.5 Estrategias de inserción y reemplazo 2.6 Ejemplo de un sistema evolutivo 3. Técnicas de computación evolutiva 3.1 Algoritmos genéticos 3.2 Estrategias evolutivas 3.3 Programación genética 3.4 Evolución diferencial 3.5 Expresiones genéticas 3.6 Evolución basada en gramáticas 4. Resolución de problemas mediante técnicas evolutivas 4.1 Resolución de problemas con múltiples soluciones 4.2 Resolución de problemas con varios objetivos contrapuestos 4.3 Resolución de problemas con restricciones 4.4 Coevolución 4.5 Ejemplo de resolución de un problema real 4.6 Fundamentos matemáticos
Actividades formativas, metodología a utilizar y régimen de tutorías
1. Clases teóricas. Para dar a conocer los conceptos y técnicas fundamentales de los métodos de resolución de problemas basados en poblaciones. Horas tanto de clase presencial como de comprensión de lecturas recomendadas. 3 ECTS. 2. Desarrollo de un proyecto práctico. El alumno, integrado en un equipo de trabajo, deberá desarrollar un proyecto que dé solución a un problema completo, proponiendo las técnicas, los parámetros y las fases necesarias para su realización. Dicho proyecto se parcelará en tres apartados que se evaluarán por separado y cuya complejidad crecerá incrementalmente. El proyecto requerirá la realización de un entorno experimental así como de un análisis y valoración de los resultados. 3 ECTS. 3. Los equipos de trabajo realizarán exposiciones públicas de los resultados obtenidos en cada proyecto. Después de cada exposición se realizará un debate abierto sobre los trabajos presentados. 4. Se realizarán tutorías, tanto presenciales como a distancia.
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Calendario de Evaluación Continua
Bibliografía básica
  • D. Borrajo, J. Gonzalez y P. Isasi. Aprendizaje Automático. Sanz y Torres.
  • M. MITCHELL. An Introduction to Genetic Algorithms. MIT PRESS.

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.