Postgrado - Ciencias de la Computación

Permanent URI for this community

https://hdl.handle.net/20.500.12590/17962

Browse

Browsing Postgrado - Ciencias de la Computación by Subject "Algoritmo evolutivo de inspiración cuántica"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Una propuesta de algoritmo evolutivo de inspiración cuántica para representación real usando filtro de partículas
    (Universidad Católica San Pablo, 2017) Chire Saire, Josimar Edinson; Túpac Valdivia, Yván Jesús
    En este trabajo se propone, implementa y evalúa el modelo Quantum Inspired Evolutionary Algorithm with Real Representation using Filter Particle (FP-QIEA-R); este modelo usa la generación clásica del modelo Quantum Inspired Evolutionary Algorithm with Real Representation (QIEA-R) (uso de función de distribución de probabilidad uniforme) y propone la generación clásica usando un mecanismo inspirado en filtro de partículas, aproximación de funciones, recompensa de los mejores individuos y muestreo usando funciones de distribución de probabilidad para la búsqueda global y centroides para la búsqueda local. Durante el progreso de este trabajo fueron evaluados varios métodos de estimación de funciones: unidimensionales (splines, interpolación de akima), multidimensionales (regresión multilineal, parzen window) para estimar la función de distribución acumulada(modificada usando el criterio de recompensa). Para evaluar el modelo, se realizaron experimentos con funciones benchmark (Ackley, Rastrigin, Rosenbrock, Schwefel, Sphere) usando una dimensionalidad de 30 y 100. Algunas aplicaciones reales fueron evaluadas: la inicialización de una red perceptrón multicapa para ayudar la convergencia(reducir el número de épocas), encontrar los ángulos en el problema de desdoblamiento de proteínas. En los primeros experimentos, todos los modelos fueron comparados usando medidas estadísticas(media,desviación estándar), tiempo de ejecución y de acuerdo a los resultados obtenidos el modelo más robusto fue el modelo que usa interpolación de akima y añade durante las generaciones a los mejores individuos. Los resultados obtenidos mostraron que la propuesta tiene el mejor desempeño tratando diversos problemas de optimización numérica comparado con el modelo existente QIEA-R.