@unpublished{upm58163,
           month = {January},
           title = {Implementaci{\'o}n de algoritmos gen{\'e}ticos con codificaci{\'o}n real},
          author = {Pilar Higuero de Haro},
         address = {Madrid, Espa{\~n}a},
            year = {2020},
             url = {http://oa.upm.es/58163/},
        abstract = {Los algoritmos gen{\'e}ticos son una potente herramienta de prop{\'o}sito general para resolver problemas de optimizaci{\'o}n. La posibilidad de utilizar individuos que codifican soluciones con n{\'u}meros reales ampl{\'i}a el abanico de problemas a los que se le puede dar soluci{\'o}n cuando este tipo de codificaci{\'o}n encaja bien con el problema a resolver. Ejemplos t{\'i}picos a los que se pueden aplicar este tipo de algoritmos evolutivos son la minimizaci{\'o}n de funciones, aprendizaje o c{\'a}lculo de par{\'a}metros en un sistema inteligente como las redes de neuronas. Dado que el uso de algoritmos gen{\'e}ticos con codificaci{\'o}n real supone el manejo de matrices y vectores de n{\'u}meros reales, se propone en este trabajo el desarrollo de un c{\'o}digo en Python con Tensorflow para acelerar la ejecuci{\'o}n de este tipo de algoritmos evolutivos, permitiendo al usuario programar esta soluci{\'o}n para un problema concreto. Para ello, ser{\'a} necesario programar las diferentes operaciones involucradas en la ejecuci{\'o}n de un algoritmo gen{\'e}tico. Asimismo, a lo largo de este trabajo al utilizar Tensorflow se ver{\'a} la optimizaci{\'o}n de tiempo usando GPU.---ABSTRACT---Genetic algorithms are a potent general-purpose tool to solve optimization problems. The possibility of using individuals that codify solutions with real numbers widens the scope of problems that can be solved when this type of codification fits well with the problem to solve. Typical examples in which we can apply this kind of evolutionary algorithms are function minimization, learning or calculation of parameter in an intelligent system such as neural networks. Due to the fact that the use of genetic algorithms with real codification involves the handling of matrices and vectors of real numbers, I propose the development of a Python algorithm that, with the use of TensorFlow, will accelerate the performance of this kinds of genetic algorithms which will in result, allow users to adapt this solution to their specific problems. For this, programming the different operations involved in the execution of a genetic algorithm will be needed. Moreover, a comparison between the results when using TensorFlow GPU optimization and not using it will be shown.}
}