Implementación del Framework Multiple Offspring Sampling en Python

King Sancho, Kevin (2017). Implementación del Framework Multiple Offspring Sampling en Python. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Descripción

Título: Implementación del Framework Multiple Offspring Sampling en Python
Autor/es:
  • King Sancho, Kevin
Director/es:
  • LaTorre de la Fuente, Antonio
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería Informática
Fecha: Julio 2017
Materias:
Palabras Clave Informales: Multiple Offspring Sampling; Algoritmos evolutivos híbridos; Problemas de optimización; Soft Computing; Hybrid evolutionary algorithms; Optimization problems
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Arquitectura y Tecnología de Sistemas Informáticos
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) | Vista Previa

Resumen

En este trabajo se cubre la implementación de un framework de hibridación dinámica de algoritmos evolutivos llamado Multiple Offspring Sampling (MOS) [1]. La naturaleza de un problema que se ha codificado como un problema de optimizaci ón lleva a que diferentes configuraciones de algoritmos y operadores obtengan resultados dispares. Esto supone que el investigador debe realizar un estudio minucioso del problema para plantear una configuración que resuelva el problema de manera eficiente y con suficiente calidad. El framework MOS permite al investigador realizar un ajuste dinámico de participación de múltiples configuraciones de algoritmos, automáticamente identi- ficando los más eficientes para aumentar su grado de participación en la resolución del problema. Además, la combinación en diferentes grados de múltiples configuraciones de algoritmos a veces permite aprovechar sinergias entre los mismos para obtener mejores resultados que los que se obtienen con cada configuración de manera independiente. En este trabajo se implementa el framework MOS en Python para solucionar deficiencias de extensibilidad y mantenibilidad de una implementación en C/C++ anterior.---ABSTRACT---In this thesis we cover the implementation of a framework for hybrid dynamic evolutionary algorithms called Multiple Offspring Sampling (MOS) [1]. The nature of a problem which has been codified as an optimization problem makes evident a disparity of the results obtained when using diferent configurations of algorithms and operators. This means a researcher must study the problem in detail to be able to propose a configuration that solves the problem eficiently and with enough quality. The MOS framework allows the researcher to dynamically adjust the participation of multiple algorithm configurations, automatically identifying the most eficient ones to increase their degree of participation in the resolution of the problem. Also, the combination of multiple configurations of algorithms in diferent degrees sometimes allows the exploitation of synergies between them to obtain better results than those obtained with each configuration independently. In this thesis we implement the MOS framework in Python, allowing us to fix extensibility and maintainability deficiencies from a previous C/C++ implementation.

Más información

ID de Registro: 47753
Identificador DC: http://oa.upm.es/47753/
Identificador OAI: oai:oa.upm.es:47753
Depositado por: Biblioteca Facultad de Informatica
Depositado el: 14 Sep 2017 10:25
Ultima Modificación: 14 Sep 2017 10:25
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM