ComputoEvolutivo

Duración: 20 horas, 4 clases.

Diplomado en Inteligencia Artificial Aplicada. DGTIC-UNAM.

Instructor: Isidro Gómez Vargas

---

Requisitos:

A) Escritorio remoto con los requerimientos instalados (o instalarlos en otra computadora).

B) Método sugerido: Una computadora e Internet. Una cuenta de Google.

Para evitar instalación de librerías se recomienda Google Colab, el cual es un servicio gratuito de Google para ejecutar notebooks en la nube, permitiendo utilizar Python 2 o Python 3 con CPU, GPU y TPU. Solo es necesario tener una cuenta de Google. Para este curso se requiere entorno de ejecución Python 3.

Desde Google Colab puedes elegir una de las siguientes opciones:

• Buscar este repositorio, abrirlo y hacer una copia en tu Google Drive para poder guardar tus cambios.

• Clonar o descargar el repositorio en tu computadora y abrir las notebooks desde Google Colab.

• Hacer un fork de este repositorio en tu propia cuenta de GitHub y buscar tu nuevo repositorio como en la opción 1.

---

Contenido

Clase 1:

Para empezar:

• Diagnóstico
• ¿qué es la optimización?
• Algunos ejercicios de optimización.

1. Introducción al cómputo evolutivo

• 1.1 Antecedentes biológicos

• 1.2 Antecedentes históricos

• 1.3 Otros algoritmos bioinspirados

2. Algoritmo genético básico

• 2.1 Teorema del esquema

• 2.2 Representación binaria

• 2.3 Mapeo genotipo-fenotipo

• 2.4 Métodos de selección

• 2.5 Operadores genéticos

  • 2.5.1 Operador de cruza

  • 2.5.2 Operador de mutación

Clase 2

3. Algoritmos genéticos con codificación real

• 3.1 Representación real

• 3.2 Operadores genéticos para representación real

• 3.2.1 Operador  de cruza

• 3.2.2 Operador de mutación

4. Algoritmos genéticos con codificación entera

• 4.1 Representación entera para problemas combinatorios

• 4.2 Operadores genéticos para representación entera

• 4.2.1 Operador  de cruza

• 4.2.2 Operador de mutación

Clase 3

4.3. Introducción a la librería DEAP

5. Algoritmos genéticos multiobjetivo

• 5.1 Manejo de restricciones 

• 5.2 Problema de optimización multiobjetivo

• Algoritmos multiobjetivos

Clase 4

6. Ejemplos especiales

• Estrategias evolutivas
• Nichos
• ANN
• Programación genética
• Swarm optimization
• Caso agente viajero
• Proyecto personal