Esta tesis se enmarca dentro de la problemática de la selección de variables en espacios de búsqueda multimodal, Esta tarea puede ser abordada mediante diferentes técnicas, analizadas en profundidad e indicando los puntos débiles de cada una de ellas.
Entre ellas, las técnicas basadas en Computación Evolutiva apartan buena soluciones cuando se trata de explorar espacios de búsqueda complejos (como los resultantes en un proceso de selección de variables). No obstante, presentan limitaciones cuando dicho espacio de búsqueda presenta múltiples soluciones globales o una única solución global pero múltiples soluciones subóptimas (mínimos locales).
En estos casos, la búsqueda puede verse atrapada en un mínimo local, o bien focalizarse en el entorno de una única solución cuando lo verdaderamente interesante sería obtener el mayor número posible de soluciones válidas. Con el objetivo de paliar estas deficiencias se proponen dos técnicas basadas en Algoritmos Genéticos que permiten explorar de manera homogénea el espacio de búsqueda y localizar un mayor número de soluciones.
Los resultados obtenidos tras las pruebas realizadas muestran el buen comportamiento de ambas, así como una serie de ventajas tales como la generalización del proceso de evaluación de las soluciones, puesto que se aporta una técnica de evaluación basada en el empleo de Redes de Neuronas Artificiales.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados