1) Los algoritmos genéticos fueron inventados en 1975 por John Holland en la Universidad de Michigan como métodos adaptativos para resolver problemas de búsqueda y optimización basados en los procesos genéticos de los organismos vivos. 2) Los algoritmos genéticos son métodos globales y robustos para encontrar soluciones a problemas complejos mediante la simulación de los procesos de selección natural y evolución biológica. 3) Entre las ventajas de los algoritmos genéticos se encuentran su capacidad para manipular múltiples parámetros
The document lists different categories of plants including flowering plants, non flowering plants, plants in water, plants with thorns, fruit trees, medicinal plants, desert plants, fruits, flowers, and vegetables. It also mentions the parts of plants.
Andabelle es una tienda de ropa juvenil creada este año con la intención de ofrecer estilos y tallas a la moda a precios accesibles. Actualmente cuenta con una tienda en Reñaca N°245. La tienda ofrece diferentes líneas de ropa como Candy, Soul, Riviera y Tropical, así como estilos casuales, de fiesta, de playa y formales. Se invita a la gran inauguración el 15 de diciembre con desfiles, concursos, bailes y descuentos.
Introducing a new way to explore evolution of human knowledge & technologyWilliam Hall
This document introduces a new hypertext book project called "Application Holy Wars or a New Reformation - A Fugue on the Theory of Knowledge". The book explores the co-evolution of human technology, cognition, and organizations through history in a non-linear hypertext format. It is organized as a fugue with different themes that are woven together. The author provides an outline of the key themes and episodes to be covered in the book and describes plans to road test the content through a series of Meetup discussions.
Heather Patchell is an experienced consultant specializing in job analysis, test development and validation, disparate impact analysis, and statistical analysis. She has developed tests and conducted validation studies for numerous employers. Patchell is also the Executive Director of Biddle Consulting Group's Institute for Workforce Development and Managing Editor of EEO Insight. She has conducted many presentations and training sessions on topics related to employment testing and EEO compliance.
This one sentence document does not provide enough context or information to create an accurate 3 sentence summary. The document contains only one word - "Lorem" - which is not meaningful on its own.
The document is a Europass Language Passport that records an individual's foreign language proficiency in English, Arabic, and French using the Common European Framework of Reference for Languages. It lists the individual's self-assessment of skills in listening, reading, spoken interaction, and spoken production for each language. It also provides details of diplomas, certificates, and linguistic experiences to validate the individual's language abilities.
Bogota is the capital and largest city of Colombia. As the point of convergence for people around the country, it is a diverse and multicultural city with modern constructions alongside colonial architecture. The city is green due to its many parks and eastern hills but also features numerous brick buildings. Bogota offers a variety of musical genres from classical to salsa, ranchera, hip hop and rock as well as regional Colombian music.
Pavlidis Nikolaos provides his curriculum vitae. He has over 20 years of work experience in various fields including global account management, regional management, translation, interpretation, and teaching. His educational background includes a bachelor's degree in pharmaceutical sciences from Cairo University and current study of international and European economic studies at Athens University of Economics and Business. He is highly proficient in English, Arabic, and French.
The document lists different categories of plants including flowering plants, non flowering plants, plants in water, plants with thorns, fruit trees, medicinal plants, desert plants, fruits, flowers, and vegetables. It also mentions the parts of plants.
Andabelle es una tienda de ropa juvenil creada este año con la intención de ofrecer estilos y tallas a la moda a precios accesibles. Actualmente cuenta con una tienda en Reñaca N°245. La tienda ofrece diferentes líneas de ropa como Candy, Soul, Riviera y Tropical, así como estilos casuales, de fiesta, de playa y formales. Se invita a la gran inauguración el 15 de diciembre con desfiles, concursos, bailes y descuentos.
Introducing a new way to explore evolution of human knowledge & technologyWilliam Hall
This document introduces a new hypertext book project called "Application Holy Wars or a New Reformation - A Fugue on the Theory of Knowledge". The book explores the co-evolution of human technology, cognition, and organizations through history in a non-linear hypertext format. It is organized as a fugue with different themes that are woven together. The author provides an outline of the key themes and episodes to be covered in the book and describes plans to road test the content through a series of Meetup discussions.
Heather Patchell is an experienced consultant specializing in job analysis, test development and validation, disparate impact analysis, and statistical analysis. She has developed tests and conducted validation studies for numerous employers. Patchell is also the Executive Director of Biddle Consulting Group's Institute for Workforce Development and Managing Editor of EEO Insight. She has conducted many presentations and training sessions on topics related to employment testing and EEO compliance.
This one sentence document does not provide enough context or information to create an accurate 3 sentence summary. The document contains only one word - "Lorem" - which is not meaningful on its own.
The document is a Europass Language Passport that records an individual's foreign language proficiency in English, Arabic, and French using the Common European Framework of Reference for Languages. It lists the individual's self-assessment of skills in listening, reading, spoken interaction, and spoken production for each language. It also provides details of diplomas, certificates, and linguistic experiences to validate the individual's language abilities.
Bogota is the capital and largest city of Colombia. As the point of convergence for people around the country, it is a diverse and multicultural city with modern constructions alongside colonial architecture. The city is green due to its many parks and eastern hills but also features numerous brick buildings. Bogota offers a variety of musical genres from classical to salsa, ranchera, hip hop and rock as well as regional Colombian music.
Pavlidis Nikolaos provides his curriculum vitae. He has over 20 years of work experience in various fields including global account management, regional management, translation, interpretation, and teaching. His educational background includes a bachelor's degree in pharmaceutical sciences from Cairo University and current study of international and European economic studies at Athens University of Economics and Business. He is highly proficient in English, Arabic, and French.
El documento describe los algoritmos genéticos, inspirados en la evolución natural. Los algoritmos genéticos operan en cromosomas que representan soluciones potenciales y usan selección, recombinación y mutación para evolucionar soluciones a problemas complejos. John Holland desarrolló los algoritmos genéticos en la década de 1970 para simular la evolución y resolver problemas de optimización.
El documento describe la historia y desarrollo de los algoritmos genéticos. John Holland, inspirado por la teoría de la evolución de Darwin, desarrolló esta técnica de optimización en la década de 1960 para que las computadoras pudieran aprender por sí mismas. Los algoritmos genéticos imitan el proceso de selección natural mediante la reproducción, mutación y cruce de soluciones candidatas para resolver problemas de forma adaptativa.
El documento habla sobre algoritmos genéticos. Explica que son métodos de optimización inspirados en la evolución biológica que usan operadores como selección, cruzamiento y mutación. Describe los componentes clave de los algoritmos genéticos como la población, función de aptitud, selección de padres y cruzamiento. También menciona algunas extensiones y modificaciones como diferentes métodos de selección y tipos de cruzamiento.
Este documento describe los algoritmos genéticos, incluyendo su historia, definición, proceso de evolución, ventajas y desventajas. Los algoritmos genéticos se basan en la evolución biológica para resolver problemas de optimización. Utilizan operadores como selección, cruzamiento y mutación para evolucionar soluciones a través de generaciones sucesivas de una población de individuos codificados.
1) Los algoritmos genéticos son métodos de optimización inspirados en la evolución biológica y la selección natural. 2) Funcionan mediante la evolución de una población de soluciones a través de operadores como el cruzamiento y la mutación. 3) Estos algoritmos son robustos y pueden aplicarse a una amplia variedad de problemas, incluso cuando otros métodos fallan.
Este documento trata sobre algoritmos genéticos, los cuales se basan en los principios de evolución de Darwin. Los algoritmos genéticos usan operaciones como reproducción, mutación y recombinación para resolver problemas de optimización de manera similar a la evolución biológica. John Holland desarrolló esta técnica a fines de los 1960 para permitir que las computadoras aprendan por sí mismas.
Este documento describe el uso de algoritmos genéticos para predecir los cuatro posibles equipos ganadores de la Copa Mundial de Fútbol de 2014 en Brasil sobre la base de factores como el ranking FIFA, el grupo, el número de copas obtenidas y los últimos tres partidos. Los autores desarrollaron una aplicación en Java que utiliza algoritmos genéticos para pronosticar los equipos campeones basándose en estos factores.
Este documento presenta un resumen de un software educativo sobre números racionales. El software tiene como objetivo desarrollar estrategias didácticas para el aprendizaje de números racionales y ayudar a resolver problemas. Explica la metodología de crear el software, probarlo con estudiantes, analizar resultados y mejorarlo. También resume la historia, definición, tipos y operaciones básicas de números racionales que serán incluidos en el contenido del software.
Este documento presenta un resumen de un software educativo sobre números racionales. Explica que el objetivo es desarrollar una estrategia didáctica para enseñar números racionales a niños de sexto a octavo grado mediante un software creado con CSBT. Detalla la metodología que incluye probar el software con niños, evaluar dificultades y mejorarlo. También resume los contenidos sobre la historia, teoría y operaciones básicas de números racionales que incluirá el software.
Un algoritmo genético es una técnica de optimización inspirada en la evolución biológica que utiliza operadores como la selección, el cruce y la mutación para hacer evolucionar una población de soluciones hacia una solución óptima. Fue desarrollado por John Holland en los años 1970 y se basa en conceptos como la supervivencia del más apto para resolver problemas de búsqueda y optimización de manera eficiente.
El documento introduce los algoritmos genéticos, explicando que se inspiran en la evolución biológica para resolver problemas de optimización. Explica que John Holland desarrolló esta técnica en la década de 1960 para que las computadoras aprendieran de forma autónoma, utilizando operadores como la selección, el cruce y la mutación de cromosomas entre generaciones para lograr soluciones cada vez más óptimas. Además, define conceptos clave como la genética y cómo los algoritmos genéticos imitan el proceso de selección
Este documento describe los algoritmos genéticos y su aplicación para predecir los cuatro mejores equipos de fútbol en el mundial de 2014. Explica brevemente el origen y características de los algoritmos genéticos, incluyendo la representación cromosómica, la función de aptitud, y los operadores genéticos como la selección, el cruce y la mutación. Luego detalla las etapas del algoritmo genético para la predicción de los equipos.
Este documento describe el uso de un algoritmo genético para predecir los cuatro mejores equipos de fútbol de la Copa Mundial de 2014. Explica los conceptos básicos de los algoritmos genéticos como la representación, la población, los operadores genéticos como la selección, el cruce y la mutación. Luego, detalla las etapas de un algoritmo genético típico para resolver un problema de optimización aplicando los principios de la evolución biológica.
Este documento describe el uso de un algoritmo genético para predecir los cuatro mejores equipos de fútbol de la Copa Mundial de 2014. Explica los conceptos básicos de los algoritmos genéticos, incluida su inspiración en la evolución biológica y la selección natural. Luego describe los componentes clave de un algoritmo genético como individuos, poblaciones, operadores genéticos y la representación de soluciones. Finalmente, resume los pasos generales de un algoritmo genético que incluyen la generación
El documento presenta información sobre algoritmos genéticos, incluyendo su definición como métodos adaptativos basados en el proceso genético de los organismos vivos para resolver problemas de búsqueda y optimización. Explica conceptos clave como la codificación de soluciones, la función de aptitud y el funcionamiento básico de un algoritmo genético. También discute aspectos como limitaciones, criterios para su aplicación, ambientes de programación y lenguajes de programación utilizados para desarrollar algoritmos genéticos.
Este documento describe el uso de algoritmos genéticos para predecir los cuatro equipos ganadores de la Copa Mundial de Fútbol de 2014. Explica los conceptos básicos de los algoritmos genéticos y cómo imitan el proceso de evolución biológica a través de la selección natural y la supervivencia de los más aptos. Luego detalla los pasos para desarrollar un algoritmo genético utilizando la biblioteca JGAP, incluida la planificación del cromosoma, la implementación de una función de aptitud y la
Este documento presenta una introducción a los algoritmos genéticos. Explica que los algoritmos genéticos se basan en la evolución biológica para resolver problemas de optimización. Describe que trabajan con una población de soluciones candidatas que evoluciona a través de las generaciones mediante la selección natural, el cruce y la mutación. El objetivo es hacer que la población converja gradualmente hacia soluciones óptimas a través de esta evolución guiada.
El documento describe los algoritmos genéticos, inspirados en la evolución natural. Los algoritmos genéticos operan en cromosomas que representan soluciones potenciales y usan selección, recombinación y mutación para evolucionar soluciones a problemas complejos. John Holland desarrolló los algoritmos genéticos en la década de 1970 para simular la evolución y resolver problemas de optimización.
El documento describe la historia y desarrollo de los algoritmos genéticos. John Holland, inspirado por la teoría de la evolución de Darwin, desarrolló esta técnica de optimización en la década de 1960 para que las computadoras pudieran aprender por sí mismas. Los algoritmos genéticos imitan el proceso de selección natural mediante la reproducción, mutación y cruce de soluciones candidatas para resolver problemas de forma adaptativa.
El documento habla sobre algoritmos genéticos. Explica que son métodos de optimización inspirados en la evolución biológica que usan operadores como selección, cruzamiento y mutación. Describe los componentes clave de los algoritmos genéticos como la población, función de aptitud, selección de padres y cruzamiento. También menciona algunas extensiones y modificaciones como diferentes métodos de selección y tipos de cruzamiento.
Este documento describe los algoritmos genéticos, incluyendo su historia, definición, proceso de evolución, ventajas y desventajas. Los algoritmos genéticos se basan en la evolución biológica para resolver problemas de optimización. Utilizan operadores como selección, cruzamiento y mutación para evolucionar soluciones a través de generaciones sucesivas de una población de individuos codificados.
1) Los algoritmos genéticos son métodos de optimización inspirados en la evolución biológica y la selección natural. 2) Funcionan mediante la evolución de una población de soluciones a través de operadores como el cruzamiento y la mutación. 3) Estos algoritmos son robustos y pueden aplicarse a una amplia variedad de problemas, incluso cuando otros métodos fallan.
Este documento trata sobre algoritmos genéticos, los cuales se basan en los principios de evolución de Darwin. Los algoritmos genéticos usan operaciones como reproducción, mutación y recombinación para resolver problemas de optimización de manera similar a la evolución biológica. John Holland desarrolló esta técnica a fines de los 1960 para permitir que las computadoras aprendan por sí mismas.
Este documento describe el uso de algoritmos genéticos para predecir los cuatro posibles equipos ganadores de la Copa Mundial de Fútbol de 2014 en Brasil sobre la base de factores como el ranking FIFA, el grupo, el número de copas obtenidas y los últimos tres partidos. Los autores desarrollaron una aplicación en Java que utiliza algoritmos genéticos para pronosticar los equipos campeones basándose en estos factores.
Este documento presenta un resumen de un software educativo sobre números racionales. El software tiene como objetivo desarrollar estrategias didácticas para el aprendizaje de números racionales y ayudar a resolver problemas. Explica la metodología de crear el software, probarlo con estudiantes, analizar resultados y mejorarlo. También resume la historia, definición, tipos y operaciones básicas de números racionales que serán incluidos en el contenido del software.
Este documento presenta un resumen de un software educativo sobre números racionales. Explica que el objetivo es desarrollar una estrategia didáctica para enseñar números racionales a niños de sexto a octavo grado mediante un software creado con CSBT. Detalla la metodología que incluye probar el software con niños, evaluar dificultades y mejorarlo. También resume los contenidos sobre la historia, teoría y operaciones básicas de números racionales que incluirá el software.
Un algoritmo genético es una técnica de optimización inspirada en la evolución biológica que utiliza operadores como la selección, el cruce y la mutación para hacer evolucionar una población de soluciones hacia una solución óptima. Fue desarrollado por John Holland en los años 1970 y se basa en conceptos como la supervivencia del más apto para resolver problemas de búsqueda y optimización de manera eficiente.
El documento introduce los algoritmos genéticos, explicando que se inspiran en la evolución biológica para resolver problemas de optimización. Explica que John Holland desarrolló esta técnica en la década de 1960 para que las computadoras aprendieran de forma autónoma, utilizando operadores como la selección, el cruce y la mutación de cromosomas entre generaciones para lograr soluciones cada vez más óptimas. Además, define conceptos clave como la genética y cómo los algoritmos genéticos imitan el proceso de selección
Este documento describe los algoritmos genéticos y su aplicación para predecir los cuatro mejores equipos de fútbol en el mundial de 2014. Explica brevemente el origen y características de los algoritmos genéticos, incluyendo la representación cromosómica, la función de aptitud, y los operadores genéticos como la selección, el cruce y la mutación. Luego detalla las etapas del algoritmo genético para la predicción de los equipos.
Este documento describe el uso de un algoritmo genético para predecir los cuatro mejores equipos de fútbol de la Copa Mundial de 2014. Explica los conceptos básicos de los algoritmos genéticos como la representación, la población, los operadores genéticos como la selección, el cruce y la mutación. Luego, detalla las etapas de un algoritmo genético típico para resolver un problema de optimización aplicando los principios de la evolución biológica.
Este documento describe el uso de un algoritmo genético para predecir los cuatro mejores equipos de fútbol de la Copa Mundial de 2014. Explica los conceptos básicos de los algoritmos genéticos, incluida su inspiración en la evolución biológica y la selección natural. Luego describe los componentes clave de un algoritmo genético como individuos, poblaciones, operadores genéticos y la representación de soluciones. Finalmente, resume los pasos generales de un algoritmo genético que incluyen la generación
El documento presenta información sobre algoritmos genéticos, incluyendo su definición como métodos adaptativos basados en el proceso genético de los organismos vivos para resolver problemas de búsqueda y optimización. Explica conceptos clave como la codificación de soluciones, la función de aptitud y el funcionamiento básico de un algoritmo genético. También discute aspectos como limitaciones, criterios para su aplicación, ambientes de programación y lenguajes de programación utilizados para desarrollar algoritmos genéticos.
Este documento describe el uso de algoritmos genéticos para predecir los cuatro equipos ganadores de la Copa Mundial de Fútbol de 2014. Explica los conceptos básicos de los algoritmos genéticos y cómo imitan el proceso de evolución biológica a través de la selección natural y la supervivencia de los más aptos. Luego detalla los pasos para desarrollar un algoritmo genético utilizando la biblioteca JGAP, incluida la planificación del cromosoma, la implementación de una función de aptitud y la
Este documento presenta una introducción a los algoritmos genéticos. Explica que los algoritmos genéticos se basan en la evolución biológica para resolver problemas de optimización. Describe que trabajan con una población de soluciones candidatas que evoluciona a través de las generaciones mediante la selección natural, el cruce y la mutación. El objetivo es hacer que la población converja gradualmente hacia soluciones óptimas a través de esta evolución guiada.
José Luis Jiménez Rodríguez
Junio 2024.
“La pedagogía es la metodología de la educación. Constituye una problemática de medios y fines, y en esa problemática estudia las situaciones educativas, las selecciona y luego organiza y asegura su explotación situacional”. Louis Not. 1993.
Inteligencia Artificial para Docentes HIA Ccesa007.pdf
Algoritmos genéticos
1. REPUBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER SUPERIOR PARA LA EDUCACION
INSTITUTO UNIVERSITARIO POLITÉCNICO “SANTIAGO
MARIÑO”
EXTENSIÓN SAN CRISTOBAL
CONTRERAS. M KENNDY
.SH
19.033.260
2. Fueron
inventados
1975 por John Holland,
la
Universidad
Michigan
en
de
de
John Holland desde pequeño, se
preguntaba
cómo
logra
la
naturaleza, crear seres cada
vez más perfectos.
Fue a principios de los 60, en la Universidad de Michigan
en Ann Arbor, donde, dentro del grupo Logic of Computers,
sus ideas comenzaron a desarrollarse y a dar frutos. Y fue,
además,
leyendo
un
libro
escrito
por
un
biólogo
evolucionista, R. A. Fisher, titulado La teoría genética de
la selección natural, como comenzó a descubrir los medios
de llevar a cabo sus propósitos de comprensión de la
naturaleza.
3. Son métodos adaptativos que pueden usarse para resolver
problemas de búsqueda y optimización. Están basados en el
proceso genético de los organismos vivos.
La razón del creciente interés por
los AG es que estos son un método
global y robusto de búsqueda de las
soluciones de problemas.
La principal ventaja de estas
características es el equilibrio
alcanzado entre la eficiencia y
eficacia
para
resolver
diferentes y muy complejos
problemas
de
grandes
dimensiones.
4. Son intrínsecamente paralelos. La mayoría de
los otros algoritmos son en serie y sólo pueden
explorar el espacio de soluciones hacia una
solución en una dirección al mismo tiempo.
Funcionan particularmente bien resolviendo
problemas cuyo espacio de soluciones potenciales
es realmente grande –demasiado vasto para
hacer una búsqueda exhaustiva en un tiempo
razonable
Se desenvuelven bien en problemas con un
paisaje adaptativo complejo -aquéllos en los que
la función objetivo es discontinua, ruidosa,
cambia con el tiempo, o tiene muchos óptimos
locales.
Habilidad para manipular muchos parámetros
simultáneamente.
Finalmente, no saben nada de los problemas que
deben resolver.
Es decir En lugar de utilizar
información específica realizan cambios aleatorios
en sus soluciones candidatas y luego utilizan la
función objetivo para determinar si esos cambios
producen una mejora.
5.
El lenguaje utilizado para especificar soluciones
candidatas debe ser robusto; es decir, debe ser
capaz de tolerar cambios aleatorios que no
produzcan constantemente errores fatales o
resultados sin sentido.
El problema de cómo escribir la función objetivo
debe considerarse cuidadosamente para que se
pueda alcanzar una mayor aptitud y
verdaderamente signifique una solución mejor
para el problema dado.
Problemas
con
las
funciones
objetivo
”engañosas”, en las que la situación de los puntos
mejorados ofrecen información engañosa sobre
dónde se encuentra probablemente el óptimo
global.
Problema con la convergencia prematura.
Finalmente, varios investigadores aconsejan no
utilizar AG en problemas resolubles de manera
analítica.
6. Representación binaria: Cada gen es un valor 1
ó 0.
101101
Representación entera: Cada gen es un valor
entero.
1 0 3 -1 0 4
Representación real: Cada gen es un valor
real.
1,78 2,6 7 0 -1,2 6,5
Goldberg
efectuó
un
estudio
teórico,
obteniendo como conclusión que el tamaño
óptimo de la población para ristras de
longitud I, con codificación binaria, crece
exponencialmente con el tamaño de la ristra.
Este resultado traería como consecuencia que
la aplicabilidad de los AG en problemas reales
sería muy limitada, ya que resultarían no
competitivos
con
otros
métodos
de
optimización combinatoria
7.
La población inicial se escoge generando ristras al
azar, pudiendo contener cada gen uno de los
posibles valores del alfabeto con probabilidad
uniforme.
La población inicial de un AG puede ser creada de
muy diversas formas, desde generar aleatoriamente
el valor de cada gen para cada individuo, utilizar
una función ávida o generar alguna parte de cada
individuo y luego aplicar una búsqueda local.
Consiste en que verifiquen que para dos individuos que se
encuentren cercanos en el espacio de búsqueda, sus
respectivos valores en las funciones objetivo sean similares.
8. Es el encargado de transmitir y conservar aquellas
características de la soluciones que se consideran valiosas a lo
largo de las generaciones.
Operador de Mutación
Operador de Cruce
Es un operador básico, que proporciona
un pequeño elemento de aleatoriedad en
la vecindad (entorno) de los individuos
de la población.
Permite realizar una exploración de
toda la información almacenada hasta
el
momento
en
la
población
y
combinarla
para
crear
mejores
individuos.
9. Un programa es paralelo si en cualquier momento de su ejecución
puede ejecutar más de un proceso. Para crear programas paralelos
eficientes hay que poder crear, destruir y especificar procesos así
como la interacción entre ellos. Básicamente existen tres formas de
paralelizar un programa:
Paralelización de grano fino: se realiza a nivel de
instrucción. Cada procesador hace una parte de cada paso
del algoritmo (selección, cruce y mutación) sobre la
población común.
Paralelización de grano medio: se paralelizan a nivel de
bucle. Esta paralelización se realiza habitualmente de una
forma automática
en los compiladores.
Paralelización
de
grano
grueso:
se
basan
en
la
descomposición del dominio de datos entre los procesadores,
siendo cada uno de ellos el responsable de realizar los
cálculos sobre sus datos locales.
10.
Paralelismo en datos: El compilador se
encarga de la distribución de los datos
guiado por un conjunto de directivas que
introduce el programador. Estas directivas
hacen que cuando se compila el programa
las funciones se distribuyan entre los
procesadores disponibles.
Programación por paso de mensajes:
El método mas utilizado para programar
sistemas de memoria distribuida es el paso
de mensajes o alguna variante del mismo.
Programación por paso de datos: A
diferencia del modelo de paso de mensajes,
la transferencia de datos entre los
procesadores se realiza con primitivas
unilaterales tipo put-get, lo que evita la
necesidad de sincronización
entre los procesadores emisor y receptor.
11. Entre otras técnicas consideradas para la solución de
problemas de búsqueda y optimización se tienen:
Búsqueda
Aleatoria
Explora el espacio de
búsqueda
seleccionando
soluciones y evaluando sus
aptitudes. Se considera
una
estrategia
no
inteligente y se utiliza
pocas veces.
Escalada por la
Máxima Pendiente
Es el método mas simple de
los que utilizan una clase
de
gradiente
para
direccionar la búsqueda.
En
cada
iteración
se
escoge aleatoriamente una
solución, cercana a la
solución actual y si la
seleccionada
mejora
la
función
objetivo,
se
guarda.
Temple
simulado
Este método se
comporta similar al
método
de
la
Escalada
por
la
Máxima Pendiente,
pero
con
la
posibilidad
de
descender,
para
evitar que se logre
un optimo local.