Show simple item record

dc.creatorMendoza, Alfredospa
dc.creatorSentí, Eunice Ponce de Leónspa
dc.creatorDíaz, Elva Díazspa
dc.date2013-10-15
dc.date.accessioned2019-09-19T21:51:35Z
dc.date.available2019-09-19T21:51:35Z
dc.identifierhttps://revistas.udistrital.edu.co/index.php/vinculos/article/view/4709
dc.identifier10.14483/2322939X.4709
dc.identifier.urihttp://hdl.handle.net/11349/21488
dc.descriptionDebido a la naturaleza de su proceso de aprendizaje, los algoritmos de estimación de la distribución (conocidos como EDA) han padecido, desde sus primeras implementaciones, de problemas de variabilidad (respecto a las soluciones utilizadas en su proceso de optimización); lo que conlleva a estancamientos en óptimos locales o lentitud para encontrar la solución óptima. Diversos métodos y técnicas han sido implementados en estos algoritmos que reducen, y en algunos casos anulan, dicho problema. El UMDA (Univariate Marginal Distribution Algorithm), es la implementación más simple de un EDA; al asumir independencia entre sus variables, simplifica la estimación de la distribución de las soluciones en el producto de las probabilidades marginales. La aleatoriedad de la primera población y el número de individuos utilizados para estimar la distribución son factores que influyen en la variabilidad del algoritmo. Este artículo presenta un análisis comparativo entre los métodos que tratan este problema, involucrando cuatro de los más utilizados en la literatura y dos más propuestos por los autores. También se presenta un análisis de la influencia en la variabilidad de un UMDA de los parámetros utilizados en los operadores de selección y remplazamiento. es-ES
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad Distrital Francisco José de Caldases-ES
dc.relationhttps://revistas.udistrital.edu.co/index.php/vinculos/article/view/4709/6401
dc.sourceRevista Vínculos; v. 10 n. 1 (2013); 186-195pt-BR
dc.sourceRevista vínculos; Vol. 10 Núm. 1 (2013); 186-195es-ES
dc.sourceRevista Vínculos; Vol 10 No 1 (2013); 186-195en-US
dc.source2322-939X
dc.source1794-211X
dc.subjectAlgoritmos de estimación de la distribuciónes-ES
dc.subjectoptimización.es-ES
dc.titleTÉCNICAS PARA CONTRARRESTAR LA PÉRDIDA DE VARIABILIDAD EN UN UMDAes-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record