- Que el alumno sea capaz de entender y aplicar el Paradigma Neodarwiniano para solucionar problemas complejos de optimización.
- Entendimiento a detalle del principio, fundamentos teóricos, funcionamiento, implementación, intepretación de resultados y operación de los algoritmos de la Computación Evolutiva más populares y utilizados por la comunidad científica y profesional.
- Conocimiento del estado del arte en Computación Evolutiva
- Capacidad de tratar un problema real de optimización utilizando Computación Evolutiva
–COMMON-CONTENT–
Subsecciones
- 4.61.2.1 Introducción a la Optimización (4 horas) [Habilidades a,b]
- 4.61.2.2 Computación Evolutiva: Conceptos básicos (8 horas) [Habilidades a,b,i]
- 4.61.2.3 Algoritmo Genético Canónico (8 horas) [Habilidades a,b,i]
- 4.61.2.4 Algoritmos Evolutivos en Optimización Numérica (8 horas) [Habilidades a,b,i]
- 4.61.2.5 Algoritmos Evolutivos en Optimización Combinatoria (8 horas) [Habilidades a,b,i]
- 4.61.2.6 Paralelización y Multi objetivos (8 horas) [Habilidades a,b,i,j]
- 4.61.2.7 Algoritmos Genéticos Avanzados (16 horas) [Habilidades a,b,i,j]
Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM
