Formalización y caracterización de algoritmos estocásticos de optimización adaptativos
Cargando...
Autores
Director
Tipo de contenido
Editor
Document language:
Inglés
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El estudio de las propiedades teóricas de algoritmos evolutivos permite determinar su idoneidad para resolver problemas de optimización específicos. Dentro de los algoritmos estocásticos de optimización global se encuentran los adaptativos (o no estacionarios), en los que la distribución de probabilidad de las transiciones entre soluciones varía en el tiempo. Esta tesis aborda dichos algoritmos, extendiendo la teoría existente de algoritmos estocásticos de optimización global desde procesos estacionarios hacia los no estacionarios. Para lograrlo, se siguieron varios pasos clave. Primero, se realiza un estudio de la teoría existente de algoritmos estocásticos estacionarios de optimización global. Segundo, se presenta la extensión de la teoría al pasar de algoritmos estacionarios hacia los no-estacionarios, Tercero, se desarrolla la teoría necesaria para definir operaciones aritméticas en términos de kernels. Cuarto, se caracterizan algunas operaciones clásicas de selección y combinación en algoritmos evolutivos en términos de kernels de Markov. Finalmente, se formalizan y caracterizan los algoritmos recocido simulado y estrategias evolutivas utilizando el framework sistemático desarrollado en este trabajo. (Texto tomado de la fuente)
Abstract
Studying the theoretical properties of evolutionary algorithms allows for the determination of their suitability for solving specific optimization problems. Within the field of Stochastic Global Optimization Algorithms, are the adaptive (or non-stationary) ones, in which the probability distribution of transitions between solutions varies over time. This thesis addresses such algorithms by extending the existing theory of stationary stochastic global optimization algorithms to non-stationary algorithms. To achieve this, the following key steps are followed. First, the existing theory of stationary stochastic global optimization algorithms is reviewed. Second, this theory is extended from stationary to non-stationary algorithms. Third, the necessary theoretical foundation for defining arithmetic operations in terms of kernels is developed. Fourth, classical selection and recombination operations from evolutionary algorithms are characterized using Markov kernels. Finally, Simulated Annealing and Evolutionary Strategies are formalized and characterized using the systematic framework developed in this work.
Descripción
Palabras clave propuestas
Optimización global estocástica; Algoritmos Evolutivos; Recocido Simulado; Estrategias Evolutivas; Esquemas de Selección; Análisis de Convergencia; Kernel de Markov no estacionario; Esquemas de Recombinación; Stochastic global optimization; Evolutionary Algorithms; Simulated Annealing; Evolutionary Strategies; Selection Schemes; Convergence Analysis; Non-stationary Markov Kernel; Recombination Schemes
Términos Normalizados
ALGORITMOS (COMPUTADORES); Computer algorithms; PROGRAMACION (COMPUTADORES ELECTRONICOS); Programming (electronic computer); TEORIA DE LA CODIFICACION; Coding theory; ANALISIS COMBINATORIO; Combinatorial analysis; OPTIMIZACION COMBINATORIA; Combinatorial optimization; PROGRAMACION ESTOCASTICA; Stochastic programning; 000 - Ciencias de la computación, información y obras generales::006 - Métodos especiales de computación; 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación