Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VICERRECTORADO ACADEMICO
SUBPROGRAMA DISEÑO ACADÉMICO
AREA INGENIERÍA
PLAN DE CURSO
Identificación
Código: 350
U.C: 4
Código: 236
Nivel Central
Caracas, Abril 2018
2
II. FUNDAMENTACIÓN
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
3
y la Optimización es una tendencia actual, la cual se ha de poner en práctica a
través de este curso.
Se espera que esta asignatura contribuya con la formación del estudiante de
Ingeniería de Sistemas, en el sentido de ofrecer una nueva manera de resolver
problemas, pues se emplean conceptos tomados de la naturaleza para fortalecer las
destrezas computacionales adquiridas en cursos anteriores.
El curso es de carácter teórico-práctico; por una parte comprende un conjunto
de conceptos y técnicas, cuya asimilación es fundamental para su aplicación; y por
otra, el empleo de estos para la implementación y pruebas de algoritmos en el
computador. Como condición para alcanzar un buen desempeño, se espera que el
estudiante posea las destrezas básicas de programación adquiridas en los
semestres iniciales de la carrera, así como las técnicas de optimización
aprendidas en los semestres medios.
Para la administración del curso se cuenta con el siguiente paquete
instruccional:
Plan de curso.
Texto UNA. en formato, digital “Computación Evolutiva”, 2013, en formato
PDF.
Presentaciones digitalizadas en formato PDF, 2011.
Libro de consulta, disponible en formato PDF:
Introducción a la Computación Evolutiva (Notas de Curso), 2008,
Carlos A. Coello.
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
4
M U O OBJETIVOS
1 1 Aplicar métodos tradicionales y/o métodos basados en heurísticas en la resolución de problemas de optimización.
I
2 2 Aplicar conceptos bio-inspirados en la realización de abstracciones a problemas.
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
5
ORIENTACIONES GENERALES
El material instruccional recomendado para este curso está disponible en formato PDF, en la Biblioteca Digital
UNA. El software de programación a emplear para la realización de ejercicios y del trabajo práctico es de libre
elección.
Contacte con otros estudiantes del curso a fin de compartir materiales instruccionales hallados en Internet y
de discutir los temas abordados.
Si desea hacer algún comentario o sugerencia acerca del curso, comuníquese con el profesor que lo administra
a través de la dirección de correo electrónico suministrada por la carrera.
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
6
Objetivo del curso: Resolver problemas de optimización, con sentido analítico y creativo, a través de la
aplicación los conceptos y técnicas de la Computación Evolutiva.
Objetivo Contenido
1 El problema de optimización. Métodos de búsqueda. Métodos basados
en heurísticas: Recocido Simulado y Búsqueda Tabú. Algoritmos.
Conceptos biológicos y su analogía con la computación. Poblaciones. Función
de evaluación (o de fitness). Vecindad. Generaciones. Computación Evolutiva.
2
Fundamentos. Pasos de un Algoritmo Evolutivo. Operadores de Variación.
Operadores de Selección. Ventajas
Generalidades. Esquemas de representación. Operadores de Cruce y de
3 Mutación. Formulación Matemática del GA. Algoritmo estándar. Aplicación del GA
para la resolución de problemas.
Generalidades. Tipos de Estrategias Evolutivas. Cruce. Mutación. Algoritmo
4
Estándar. Aplicación de EE en la resolución de problemas.
Fundamentos. Representación de los individuos en árboles. Algoritmo
5 Estándar. Aplicación de GP en la resolución de problemas.
Generalidades de los sistemas sociales artificiales. Fundamentos de los
6 Algoritmos Hormiga. Algoritmo ACO. Aplicación del Algoritmo ACO en la
resolución de problemas.
Fundamentos de los Algoritmos de Enjambres de Partículas. Algoritmo
7 PSO. Aplicación del Algoritmo PSO en la resolución de problemas. Variantes del
algoritmo.
Temas incluidos: Vida Artificial. Autómata Celular: El Juego de la Vida. Redes
8 de Neuronas Artificiales. Caso de Estudio: Algoritmo Genético.
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
7
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
8
OBJETIVO ESTRATEGIAS INSTRUCCIONALES ESTRATEGIAS DE
EVALUACIÓN
Momento:
Primera y segunda
prueba Integral.
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
9
OBJETIVO ESTRATEGIAS INSTRUCCIONALES ESTRATEGIAS DE
EVALUACIÓN
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
11
OBJETIVO ESTRATEGIAS INSTRUCCIONALES ESTRATEGIAS DE
EVALUACIÓN
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
12
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
13
OBJETIVO ESTRATEGIAS INSTRUCCIONALES ESTRATEGIAS DE
EVALUACIÓN
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
14
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018
15
V. BIBLIOGRAFÍA
Obligatoria
Mazzei, M., E., (2013) Texto UNA: Computación Evolutiva (UNA). En formato PDF.
Complementaria
Bonabeau, E., Dorigo, M., Theraulaz ,G., Swarm Intelligence, From Natural to
Artificial Systems, Santa Fe Institute Studies in the Sciences of Complexity,
Oxford University Press,1999.
Dorigo, M., Stüzle, T., Ant Colony Optimization, MIT Press, 2004.
Computación Evolutiva (Cód. 350) Elaborado por: Msc. María Eugenia Mazzei
Especialista en contenido: Miguel Mena UNA 2018