Estudio de un Operador de Mutación para Algoritmos Genéticos Basado en la Teoría de la Criticalidad Auto-Organizada C.M. F...
Marco: problemas de optimización dinámica
Esencial: mantener la diversidad
Propuestas Para mantener la diversidad Hipermutación Inmigrantes aleatorios  (SORIGA)
Presentando: Mutación  montón de arena <ul><li>Basada en la  criticalidad auto-organizada  de Per Bak.
Cuando la arena excede un umbral, se produce una avalancha.  </li></ul>
¿Cómo funciona MCAO? <ul><li>Población colocada en un retículo </li><ul><li>X: bit
Y: orden (fitness) </li></ul><li>Se echan  g  granos </li><ul><li>Si h(x,y)>3, avalancha
Muta si rand(0,1) > fitness normalizada </li></ul></ul>
Probamos diferentes estrategias para la función umbral. El Umbral de mutación es crítico
Marchando una de clásicas funciones de prueba
¿Sabéis qué? ¡Funciona muy bien!
Upcoming SlideShare
Loading in …5
×

Estudio de un Operador de Mutación para Algoritmos Genéticos Basado en la Teoría de la Criticalidad Auto-Organizada

1,747 views

Published on

Presentación para MAEB2012 del trabajo de Fernandes, Laredo, Merelo y Rosa

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Estudio de un Operador de Mutación para Algoritmos Genéticos Basado en la Teoría de la Criticalidad Auto-Organizada

  1. 1. Estudio de un Operador de Mutación para Algoritmos Genéticos Basado en la Teoría de la Criticalidad Auto-Organizada C.M. Fernandes, J.L.J. Laredo, A.C.Rosa, J.J. Merelo http://geneura.wordpress.com
  2. 2. Marco: problemas de optimización dinámica
  3. 3. Esencial: mantener la diversidad
  4. 4. Propuestas Para mantener la diversidad Hipermutación Inmigrantes aleatorios (SORIGA)
  5. 5. Presentando: Mutación montón de arena <ul><li>Basada en la criticalidad auto-organizada de Per Bak.
  6. 6. Cuando la arena excede un umbral, se produce una avalancha. </li></ul>
  7. 7. ¿Cómo funciona MCAO? <ul><li>Población colocada en un retículo </li><ul><li>X: bit
  8. 8. Y: orden (fitness) </li></ul><li>Se echan g granos </li><ul><li>Si h(x,y)>3, avalancha
  9. 9. Muta si rand(0,1) > fitness normalizada </li></ul></ul>
  10. 10. Probamos diferentes estrategias para la función umbral. El Umbral de mutación es crítico
  11. 11. Marchando una de clásicas funciones de prueba
  12. 12. ¿Sabéis qué? ¡Funciona muy bien!
  13. 13. ¿Cambia la tasa de mutación?
  14. 14. Lo estábais esperando <ul><li>GGA sm consistentemente mejor que el resto de los métodos. </li></ul><ul><li>La distribución de la tasa de mutación depende del estado de la búsqueda y de la magnitud de los cambios. </li></ul>
  15. 15. Eso es todo Muchas gracias ¿Preguntas?

×