1. Computación evolutiva: Introducción a los modelos computacionales inspirados en la evolución.
2. Programación genética: Examina los sistemas adaptativos para programas en evolución.
3. Algoritmo genético: Analiza el poder de las técnicas de optimización genética.
4. Algoritmo evolutivo: Analiza los algoritmos impulsados ¿¿por la evolución biológica.
5. Computación bioinspirada: Examina los modelos computacionales inspirados en la naturaleza.
6. Programación evolutiva: Explora la simulación de la evolución en la resolución de problemas.
7. Crossover (algoritmo genético): Detalla los procesos de recombinación genética.
8. Mutación (algoritmo genético): analiza el papel de la mutación en la diversidad.
9. Cromosoma (algoritmo genético): describe las estructuras de datos genéticos.
10. Metaheurística: explora los marcos para encontrar soluciones casi óptimas.
11. Estrategia evolutiva: investiga los mecanismos adaptativos para la optimización.
12. Aptitud efectiva: define la evaluación de la aptitud en contextos evolutivos.
13. Convergencia prematura: advierte sobre los peligros de la optimización temprana.
14. Representación genética: examina la codificación de datos en algoritmos genéticos.
15. Algoritmo memético: cubre algoritmos híbridos que combinan búsquedas genéticas y locales.
16. Computación basada en humanos: analiza la influencia humana en la computación.
17. Computación lateral: examina las interacciones laterales en los sistemas computacionales.
18. Computación natural: explora la computación basada en procesos naturales.
19. Vida artificial: presenta sistemas similares a la vida real y sus aplicaciones.
20. Computación blanda: investiga métodos de computación flexibles y aproximados.
21. Neuroevolución de topologías aumentadas: profundiza en las redes neuronales en evolución.
2. Programación genética: Examina los sistemas adaptativos para programas en evolución.
3. Algoritmo genético: Analiza el poder de las técnicas de optimización genética.
4. Algoritmo evolutivo: Analiza los algoritmos impulsados ¿¿por la evolución biológica.
5. Computación bioinspirada: Examina los modelos computacionales inspirados en la naturaleza.
6. Programación evolutiva: Explora la simulación de la evolución en la resolución de problemas.
7. Crossover (algoritmo genético): Detalla los procesos de recombinación genética.
8. Mutación (algoritmo genético): analiza el papel de la mutación en la diversidad.
9. Cromosoma (algoritmo genético): describe las estructuras de datos genéticos.
10. Metaheurística: explora los marcos para encontrar soluciones casi óptimas.
11. Estrategia evolutiva: investiga los mecanismos adaptativos para la optimización.
12. Aptitud efectiva: define la evaluación de la aptitud en contextos evolutivos.
13. Convergencia prematura: advierte sobre los peligros de la optimización temprana.
14. Representación genética: examina la codificación de datos en algoritmos genéticos.
15. Algoritmo memético: cubre algoritmos híbridos que combinan búsquedas genéticas y locales.
16. Computación basada en humanos: analiza la influencia humana en la computación.
17. Computación lateral: examina las interacciones laterales en los sistemas computacionales.
18. Computación natural: explora la computación basada en procesos naturales.
19. Vida artificial: presenta sistemas similares a la vida real y sus aplicaciones.
20. Computación blanda: investiga métodos de computación flexibles y aproximados.
21. Neuroevolución de topologías aumentadas: profundiza en las redes neuronales en evolución.
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.