Tema 1 Introducción 1.1 Historia de la computación evolutiva 1.2 Inspiración en Biología 1.3 Motivos para trabajar con computación evolutiva 1.4 Ejemplos de aplicaciones de la computación evolutiva
Tema 2 Qué es un algoritmo evolutivo 2.1 Introducción 2.2 Componentes principales de los algoritmos evolutivos 2.3 Cómo trabaja un algoritmo evolutivo 2.4 Algoritmos evolutivos v.s. otras técnicas de optimización global
Tema 3 Algoritmos genéticos 3.1 Representación de los individuos 3.2 Selección de los padres 3.3 Recombinación 3.4 Mutación 3.5 Selección de supervivientes
Tema 4 Estrategias evolutivas 4.1 Introducción 4.2 Representación y auto-adaptación 4.3 Mutación y auto-adaptación 4.4 Recombinación 4.5 Selección de padres 4.6 Selección de supervivientes
Tema 5 Programación evolutiva 5.1 Desarrollo histórico 5.2 Representación de los individuos 5.3 Selección de padres y recombinación 5.4 Mutación 5.5 Selección de supervivientes
Tema 6 Programación genética 6.1 Representación 6.2 Mutación 6.3 Recombinación 6.4 Selección de padres 6.5 Selección de supervivientes 6.6 Inicialización 6.7 El efecto “engorde” (bloat)
Tema 7 Aprendizaje en sistemas clasificadores 7.1 Introducción 7.2 Sistema clasificador genérico 7.3 Ejemplo de sistema clasificador: el multiplexor 7.4 El sistema clasificador ZCS 7.5 El sistema clasificador XCS 7.6 Extensiones de los sistemas clasificadores 7.7 Enfoque tipo Pittsburgh
Tema 8 Control de parámetros en algoritmos evolutivos 8.1 Introducción 8.2 Ejemplos alternativos a la aproximación estática 8.3 Aspectos relevantes para clasificar las técnicas de control dinámico de parámetros
Tema 9 Problemas multimodales y distribución espacial 9.1 Mantenimiento de la diversidad en problemas multimodales 9.2 Métodos implícitos para el mantenimiento de la diversidad 9.3 Métodos explícitos para el mantenimiento de la diversidad 9.4 Algoritmos evolutivos para problemas multiobjetivo
Tema 10 Hibridación con otras técnicas: algoritmos meméticos 10.1 Introducción 10.2 Uso de conocimiento del dominio y/o métodos de hibridación en algoritmos evolutivos 10.3 Algoritmos de búsqueda local 10.4 Memes y algoritmos meméticos 10.5 Estructura de un algoritmo memético 10.6 Algunas cuestiones prácticas para el diseño de algoritmos meméticos
Tema 11 Teoría 11.1 Teorema del esquema 11.2 Análisis de algoritmos evolutivos basado en sistemas dinámicos 11.3 Análisis de algoritmos evolutivos basado en cadenas de Markov 11.4 Otros métodos de análisis de algoritmos evolutivos
Tema 12 Manejo de restricciones 12.1 Introducción 12.2 Clasificación de problemas con restricciones 12.3 Formas conceptualmente diferentes de manejar restricciones 12.4 Mecanismos para manejar restricciones en algoritmos evolutivos
Tema 13 Formas especiales de evolución 13.1 Ejemplos de formas especiales de evolución 13.2 Coevolución 13.3 Evolución interactiva 13.4 Optimización de funciones no estacionarias
Tema 14 Trabajando con algoritmos evolutivos 14.1 Introducción: ¿Qué se quiere que haga un algoritmo evolutivo? 14.2 Medidas de prestaciones 14.3 Problemas test para comparación de resultados experimentales