Búsquedas Genéticas: Métodos de optimización global y optimización combinatoria
Identificadores
Files
Statistics
Share
Metadata
Show full item recordAuthor/s
Domínguez Jiménez, Juan JoséDate
2010-02-10Advisor
Medina Bulo, María InmaculadaDepartment
Lenguajes y Sistemas InformáticosAbstract
Esta tesis se enmarca en la aplicación de AGs a la optimización de funciones
tanto en el ámbito de variables continuas como en los problemas de
optimización combinatoria. En particular, se establecerán diversas estrategias
basadas en sucesivas búsquedas acotadas, que permitan evolucionar
al algoritmo hacia el óptimo de la función a optimizar.
Por tanto, los objetivos a conseguir en esta tesis son diseñar y validar
diversas estrategias de resolución de problemas de optimización continua,
por un lado, y de optimización combinatoria, por otro, mediante métodos
evolutivos diversos, que toman como base los AGs.
Las aportaciones de la tesis consiste en el desarrollo de cuatro estrategias
de optimización:
En el ámbito de variables continuas:
Búsqueda Lineal Genética trata de extender los tradicionales métodos
de optimización que usan Búsqueda Lineal, permitiendo explorar
la dirección de búsqueda en un intervalo mucho más amplio
y que incluye incluso la rama de valores negativos. Dicha
Búsqueda Lineal Extendida se realiza mediante un sencillo AG
unidimensional.
Búsqueda Genética en Cajas corresponde a una estrategia de resolución
de sucesivos problemas acotados, centrados en torno a
óptimos locales obtenidos mediante un AG multidimensional y
que usa una función de evaluación con memoria.
En el ámbito de variables combinatorias:Búsqueda Genética en Vecindades es una adaptación de la Búsqueda
Genética en Cajas al problema combinatorio. De modo que, se
desarrollarían sucesivos problemas acotados, centrándonos en
torno a la búsqueda de un óptimo local dentro de la vecindad
del punto inicial.
Búsqueda Genética deMutantes permite generar de forma automática
mutantes de programas originales en el ámbito de las pruebas
del software, y más en concreto en la técnica de mutaciones.
Este algoritmo se integra dentro de la herramienta GAmera que
permite automatizar el proceso de pruebas de mutaciones para
composiciones de servicios enWS-BPEL 2.0 mediante el empleo
de un AG. Una de las características de esta propuesta es la optimización
del número de mutantes a generar, de manera que no
se generarán todos los posibles mutantes.
Subjects
algoritmos genéticos; optimización global; optimización combinatoriaCollections
- Tesis [592]
- Tesis Ing. Inf. [25]