Andere Kunden interessierten sich auch für
![Una Técnica Evolutiva para la Extracción de Reglas de Asociación]( "Una Técnica Evolutiva para la Extracción de Reglas de Asociación")
Una Técnica Evolutiva para la Extracción de Reglas de Asociación45,99 €![Computación Evolutiva como Soporte en Minería de Datos y Texto]( "Computación Evolutiva como Soporte en Minería de Datos y Texto")
Computación Evolutiva como Soporte en Minería de Datos y Texto45,99 €![Optimización de Aplicaciones Científicas en Computación Grid]( "Optimización de Aplicaciones Científicas en Computación Grid")
Optimización de Aplicaciones Científicas en Computación Grid32,99 €![Optimización Algorítmica para Modelos de Clasificación en Data Mining]( "Optimización Algorítmica para Modelos de Clasificación en Data Mining")
Optimización Algorítmica para Modelos de Clasificación en Data Mining26,99 €![Obtención de predicados difusos en forma normal usando metaheurísticas]( "Obtención de predicados difusos en forma normal usando metaheurísticas")
Obtención de predicados difusos en forma normal usando metaheurísticas36,99 €![Realidad aumentada basada en características naturales]( "Realidad aumentada basada en características naturales")
Realidad aumentada basada en características naturales38,99 €![Motor gráfico distribuido basado en Ray Tracing, para renderizado 3D]( "Motor gráfico distribuido basado en Ray Tracing, para renderizado 3D")
Motor gráfico distribuido basado en Ray Tracing, para renderizado 3D23,99 €
Un gran número de problemas presentes en diversas áreas del conocimiento requieren la optimización simultánea de varios objetivos en conflicto. Estos problemas, denominados Problemas de Optimización Multiobjetivo (POM), no poseen una solución única, sino un conjunto de soluciones que representan los distintos compromisos entre los objetivos. En esta trabajo se propone un Algoritmo Evolutivo Multiobjetivo (AEMO) para resolver problemas con un gran número de objetivos. El algoritmo propuesto genera las soluciones utilizando los operadores de recombinación de la evolución diferencial y transforma el proceso de seleccionar las mejores soluciones en un problema de asignación lineal. El AEMO propuesto se comparó con algunos de los algoritmos con mejor desempeño resolviendo POMs. Los resultados obtenidos en 16 problemas de prueba con 144 instancias de entre 2 y 10 objetivos, indican que el método propuesto supera a los demás tanto en convergencia como en diversidad de las soluciones.