UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR. Ingeniería Aplicada TEÓRICA SERIACIÓN 100% DE OPTATIVAS DISCIPLINARIAS

Tamaño: px

Comenzar la demostración a partir de la página:

Download "UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR. Ingeniería Aplicada TEÓRICA SERIACIÓN 100% DE OPTATIVAS DISCIPLINARIAS"

Álvaro Ortiz de Zárate Peña
hace 7 años
Vistas:

1 UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR DEPARTAMENTO ACADÉMICO DE SIS COMPUTACIONALES INGENIERÍA EN TECNOLOGÍA COMPUTACIONAL ASIGNATURA Algoritmo Genéticos ÁREA DE Ingeniería Aplicada CONOCIMIENTO ETAPA DE FORMACIÓN Terminal CLAVE ICCT12 SEMESTRE VIII / IX CRÉDITOS 8 HORAS TEORÍA 4 HORAS PRÁCTICA 0 CARÁCTER DE LA OPTATIVA MATERIA TEÓRICA SERIACIÓN 100% DE OPTATIVAS DISCIPLINARIAS HORAS INFRAESTRUCTURA 2 DE CÓMPUTO RECURSOS Pizarrón NECESARIOS Plumones INTRODUCCIÓN La asignatura de Algoritmos Genéticos forma parte de las materias terminales del área de Ingeniería en Tecnología Computacional. Se imparte en el octavo o noveno semestre y constituye una asignatura que combina los conocimientos de inteligencia artificial y modelos matemáticos. En este curso el alumno adquiere los fundamentos de los Algoritmos Genéticos para el diseño y desarrollo de sistemas de optimización. Los temas para este curso son las bases matemáticas de los Algoritmos Genéticos, sus componentes y métodos para la implementación de soluciones a problemas relevantes en su área profesional. Así como para el desarrollo y puesta en práctica de las competencias que el alumno debe incorporar a su formación académica.

2 COMPETENCIA DEL CURSO Identificar problemas complejos y formular soluciones basadas en modelos matemáticos, métodos de optimización y técnicas de los Algoritmos Genéticos. CONOCIMIENTOS UNIDAD I NOMBRE INTRODUCCIÓN Identificar los conceptos de los Algoritmos Genéticos; así como el ámbito de aplicación para la resolución de problemas. 1. Antecedentes 2. Definición 3. Motivación 4. Aplicaciones 5. Introducción al Lenguaje MATLAB UNIDAD II NOMBRE ALGORITMO GÉNETICO Definir las características del algoritmo genético simple, además de diferenciar sus componentes y propiedades. 2. Optimización Ciega 3. Motivación Biológica 4. Algoritmo Genético Simple 5. Evaluación del Algoritmo Genético

3 MATEMÁTICAS DE LOS ALGORITMOS UNIDAD III NOMBRE GENÉTICOS Analizar las bases matemáticas de Algoritmos Genéticos. 2. Teorema de Esquemas 3. Asignación Óptima 4. Mínimo Problema Engañoso 5. Engaño UNIDAD IV NOMBRE MÉTODOS DE LOS ALGORITMOS GENÉTICOS Analizar los diferentes métodos de los Algoritmos Genéticos. 2. Implementación de un Algoritmo Genético 3. Genes Virtuales 4. Métodos de Selección 5. Métodos de Recombinación UNIDAD V NOMBRE ALGORITMOS GENÉTICOS AVANZADOS Analizar las variaciones y mejoras de Algoritmos Genéticos. 2. Optimización Multimodal 3. Optimización Multiobjetivo 4. Permutaciones

4 UNIDAD VI NOMBRE MÉTODOS EVOLUTIVOS (OPCIONAL) Analizar otras técnicas evolutivas. 2. Genes Reales 3. Programación Genética 4. Coevolución 5. Sistemas adaptables de clasificadores UNIDAD VII NOMBRE PROYECTO Implementan un proyecto basado en los Algoritmos Genéticos. 1. Presentación de Problemática 2. Diseño y Desarrollo del Sistema 3. Presentación del Sistema Difuso 4. Documentación del Proyecto HABILIDADES Abstracción de problemas, búsqueda de soluciones, manejo de recursos y tiempo, pensamiento crítico, innovación a nivel individual y colectivo, redacción de documentos técnicos, implementación del método científico e ingeniería. ACTITUDES Honestidad, responsabilidad, creatividad, trabajo en equipo, negociación, compromiso social y sustentable, iniciativa propia. ESTRATEGIAS DE APRENDIZAJE Estrategias de investigación Estrategias de desarrollo de proyectos

5 Estrategias de implementación Estrategias analíticas Estrategias de evaluación Estrategias de divulgación PRÁCTICAS Implementar un algoritmo genético simple Implementar un algoritmo de método de selección Implementar un algoritmo de método de recombinación ESTRATEGIAS DE EVALUACIÓN Participación Trabajos de investigación Exposición Evaluación de competencias Proyecto EVIDENCIA DE DESEMPEÑO Prototipo y artículo del desarrollo, resultados y conclusiones del proyecto. BIBLIOGRAFÍA No. TITULO AUTOR EDITORIAL AÑO CATÁLOGO PÚBLICO GENETIC 1 ALGORITHMS IN SEARCH, OPTIMIZATION, AND GOLDBERG, D. E. READING, MA: ADDISON- WESLEY 1989 MACHINE LEARNING. 2 ADAPTATION IN NATURAL AND ARTIFICIAL SYSTEMS HOLLAND, J. H. CAMBRIDGE, MA: MIT PRESS GENETIC 3 ALGORITHM TOOLBOX MATLAB THEMATHWORKS, INC USER S GUIDE

Documentos relacionados

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR. Ingeniería Aplicada TEÓRICA SERIACIÓN 100% DE OPTATIVAS DISCIPLINARIAS

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR DEPARTAMENTO ACADÉMICO DE SIS COMPUTACIONALES INGENIERÍA EN TECNOLOGÍA COMPUTACIONAL ASIGNATURA Robótica ÁREA DE Ingeniería Aplicada CONOCIMIENTO ETAPA DE FORMACIÓN