К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Cómputo evolutivo · LearnSpace
Назад в каталог
courseraПрограммирование

Cómputo evolutivo

Курс от Universidad Nacional Autónoma de México
Средний≈ 19.6 чИспанский
О курсеНавыкиПрограммаПреподаватели

О курсе

La computación evolutiva (evolutionary computation, EC), aplica la teoría de la evolución natural y la genética en la adaptación evolutiva de estructuras computacionales, proporcionando un medio alternativo para atacar problemas complejos en diversas áreas, como la ingeniería, economía, química, medicina y, porque no, las artes. Una población de posibles soluciones de un problema dado es análoga a una población de organismos vivos que evolucionan cada generación, al recombinar los mejores individuos de la población y transmitir sus características de dichos individuos padres, a sus descendientes. En este campo, diferentes esquemas de métodos evolutivos se han desarrollado, los cuales difieren en el tipo de estructuras que conforman la población. Algoritmos evolutivos (AE), como también se le conoce al cómputo evolutivo (EC), se definen como métodos de optimización y búsqueda, los cuales están inspirados y tratan de imitar de manera parcial los procesos de la evolución natural, y mantienen una población de estructuras que evolucionan de acuerdo a reglas de selección y otros operadores genéticos, como cruzamiento y mutación (Bäck, 1996). Los algoritmos evolutivos no son los únicos métodos de optimización propuestos a partir de sistemas biológicos. Se tiene una variedad de algoritmos de optimización, que tratan de imitar el comportamiento de sistemas naturales, como las colonias de hormigas, algoritmos culturales y optimización por cúmulos de partículas, entre otros. De aquí surge lo que se conoce como algoritmos bioinspirados, ya que toman sus bases a partir de la estructura de procesos y sistemas biológicos: la evolución, la selección natural, comportamiento social de animales, como las hormigas, abejas, peces. BÄCK, T. (1996) Evolutionary Algorithms in Theory and Practice. Oxford University Press. DARWIN, C. (1859) On the Origin of Species by Means of Natural Selection, or the Preservation of Favoured Races in the Struggle for Life, John Murray.

Навыки, которые вы освоите

AlgorithmsModel OptimizationSolution DesignTheoretical Computer ScienceProgram DevelopmentMachine Learning Algorithms

Программа курса

4 модулей · 24 учебных материалов

01Introducción a la computación evolutiva5 материалов

Bienvenidos al curso

Si no estás inscrito a este curso como usuario de Coursera para la UNAM, por favor revisa esta información:ЧтениеBienvenida al cursoЧтение

Introducción a la computación evolutiva

Introducción a la computación evolutivaВидеоIntroducción a los algoritmos genéticosВидео

Учитесь у экспертов

Katya Rodríguez Vázquez

Investigadora Titular B

Cómputo evolutivo
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 19.6 ч

4 модулей

Язык: Испанский

Часть программы вашего университета
Conceptos de algoritmos genéticosЗадание
02Principios de operación de un algoritmo genético9 материалов

Principios de operación de un algoritmo genético

Algoritmo genético simpleВидеоOperadores genéticosВидеоTeorema del esquemaВидеоSelección de parámetros de los operadores genéticosВидеоEstudio del Teorema del EsquemaЗаданиеAnálisis comparativo de codificaciones en algoritmos genéticos.Взаимная проверка

Lecturas complementarias

A Mathematical Analysis of Tournament SelectionЧтениеGenetic Algorithms for the Travelling Salesman Problem: A Review of Representations and OperatorsЧтениеPredictive Models for the Breeder Genetic Algorithm I. Continuous Parameter OptimizationЧтение
03Implementación de un algoritmo genético básico6 материалов

Implementación de un algoritmo genético básico

Implementación de un algoritmo genético básicoВидеоPaso a paso de un algoritmo genético básicoВидеоImplementación práctico de un algoritmo genético básicoВидеоProblemas combinatorios: El problema del agente viajero como caso de estudio.ЧтениеRuta óptima del TSPЗаданиеRuta óptima del TSP (parte 2)Задание
04Aplicaciones de algoritmos genéticos y otras técnicas evolutivas4 материалов

Aplicaciones de algoritmos genéticos y otras técnicas evolutivas

Aplicaciones de algoritmos genéticosВидеоOtras técnicas evolutivas y bioinspiradasВидеоCierre del cursoВидеоSolución al Problema del Agente ViajeroВзаимная проверка