Resumen de Algoritmo de Estrategia Evolutiva y Algoritmo de Estimación de Distribuciones: Ajustes proactivos

Claudia María Diez Borges, Meidel Samuel Pérez Martín, Mailyn Moreno Espino

• español

  Tomar el control para que las cosas sucedan y no esperar a que ocurran eventualmente es tener un comportamiento proactivo. Dotar a los sistemas informáticos de este comportamiento permite que se le deleguen metas al software y este trabaje para cumplirlas siempre que tenga condiciones para hacerlo. Existen varios trabajos donde se ha incursionado en este tema y se ha demostrado a través de varios experimentos que las variantes del software con comportamiento proactivo son mejores que sus variantes no proactivas. Principalmente en las metaheurísticas se ha utilizado para escapar de óptimos locales y encontrar la mejor solución posible modificando operadores y/o parámetros de las mismas. El aporte principal de este trabajo consiste en proponer planes de ajustes proactivos para un Algoritmo de Estrategias Evolutivas y un Algoritmo de Estimación de Distribuciones, basados en la modelación del algoritmo en modelos i*, y analizar a través de experimentos si se obtuvo mejoría con respecto a sus variantes no proactivas. Como resultado se obtuvo un plan de ajuste al operador de remplazo del Algoritmo de Estrategia Evolutiva y al Algoritmo de Estimación de Distribuciones. Se comprobó que existen cambios significativos con respecto a su variante no proactiva.

• English

  Taking control to things happen and not waiting for them to happen eventually is to have a proactive behavior. Givingcomputer systems this behavior allows you to delegate goals to the software and this will work to fulfill them whenever it has conditions to do it. There are several works where this topic has been explored and it has been demonstrated through several experiments that software variants with proactive behavior are better than their nonproactive variants. Mainly in metaheuristics have been use to escape from local optima and find the best possible solution by modifying operators and / or parameters of them self. The main contribution of this work consists in proposing proactive adjustment plans for an Evolutionary Strategies and a Estimation of Distributions Algorithm, based on the modeling of the algorithm in i* models, and analyzing them through experiments if was obtained improvement with respect to the non-proactive variants.As a result, an adjustment plan was obtained for the replacement operator of the Evolutionary Strategy Algorithm and the Distribution Estimation Algorithm. It was found that there are significant changes with respect to the non-proactive variant.