糖心vlog官网观看

La computaci贸n evolutiva (evolutionary computation, EC), aplica la teor铆a de la evoluci贸n natural y la gen茅tica en la adaptaci贸n evolutiva de estructuras computacionales, proporcionando un medio alternativo para atacar problemas complejos en diversas 谩reas, como la ingenier铆a, econom铆a, qu铆mica, medicina y, porque no, las artes. Una poblaci贸n de posibles soluciones de un problema dado es an谩loga a una poblaci贸n de organismos vivos que evolucionan cada generaci贸n, al recombinar los mejores individuos de la poblaci贸n y transmitir sus caracter铆sticas de dichos individuos padres, a sus descendientes. En este campo, diferentes esquemas de m茅todos evolutivos se han desarrollado, los cuales difieren en el tipo de estructuras que conforman la poblaci贸n.

Algoritmos evolutivos (AE), como tambi茅n se le conoce al c贸mputo evolutivo (EC), se definen como m茅todos de optimizaci贸n y b煤squeda, los cuales est谩n inspirados y tratan de imitar de manera parcial los procesos de la evoluci贸n natural, y mantienen una poblaci贸n de estructuras que evolucionan de acuerdo a reglas de selecci贸n y otros operadores gen茅ticos, como cruzamiento y mutaci贸n (B盲ck, 1996). Los algoritmos evolutivos no son los 煤nicos m茅todos de optimizaci贸n propuestos a partir de sistemas biol贸gicos. Se tiene una variedad de algoritmos de optimizaci贸n, que tratan de imitar el comportamiento de sistemas naturales, como las colonias de hormigas, algoritmos culturales y optimizaci贸n por c煤mulos de part铆culas, entre otros. De aqu铆 surge lo que se conoce como algoritmos bioinspirados, ya que toman sus bases a partir de la estructura de procesos y sistemas biol贸gicos: la evoluci贸n, la selecci贸n natural, comportamiento social de animales, como las hormigas, abejas, peces. B脛CK, T. (1996) Evolutionary Algorithms in Theory and Practice. Oxford University Press. DARWIN, C. (1859) On the Origin of Species by Means of Natural Selection, or the Preservation of Favoured Races in the Struggle for Life, John Murray.