Optimización de Constantes Numéricas en Tree-Based Genetic Programming

Autores/as

  • Adrian Jimenez Grupo de Investigación en Tecnologías Avanzadas (GITIA), Universidad Tecnológica Nacional – Facultad Regional Tucumán - Argentina
  • Soledad Elli Universidad Nacional de Tucumán, Facultad de Ciencias Exactas y Tecnología - Argentina
  • Adrian Will Grupo de Investigación en Tecnologías Avanzadas (GITIA), Universidad Tecnológica Nacional – Facultad Regional Tucumán - Argentina
  • Sebastián Rodríguez Grupo de Investigación en Tecnologías Avanzadas (GITIA), Universidad Tecnológica Nacional – Facultad Regional Tucumán - Argentina

Palabras clave:

IProgramación Genética, Tree-Based GP, Optimización de constantes numéricas, Regresión Simbólica

Resumen

La Programación Genética (PG) es un conjunto de técnicas de computación evolutiva basadas en Algoritmos Genéticos, que permiten resolver problemas mediante la generación automática de programas. La PG ha demostrado ser
un método eficiente para encontrar soluciones a una gran variedad de problemas donde se cuenta con una función objetivo o tarea a realizar. Sin embargo, una de las principales dificultades que presenta es la exploración y optimización de constantes numéricas (o parámetros). Este trabajo se enfoca en la investigación e implementación de distintos métodos para la optimización de dichas constantes, utilizando un framework de Tree-GP. Se eligió la Regresión Simbólica como aplicación debido a la clara necesidad de encontrar constantes precisas. Los métodos fueron probados en un conjunto de benchmarks, y se determinó que la herramienta logra buenos resultados, pero a medida que crece la complejidad del problema la tasa de éxitos disminuye y el costo computacional se incrementa considerablemente.

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Descargas

Publicado

21-05-2019

Cómo citar

Jimenez, A., Elli, S., Will, A., & Rodríguez, S. (2019). Optimización de Constantes Numéricas en Tree-Based Genetic Programming. Revista Tecnología Y Ciencia, (27), 184–196. Recuperado a partir de https://rtyc.utn.edu.ar/index.php/rtyc/article/view/437

Número

Sección

Artículos