Algoritmo Evolutivo Multi-Objectivo para la Toma de Decisiones Interactiva en Optimización Dinámica

A continuaci´ on se muestra la evoluci´ on del algoritmo de optimizaci´ on mediante colonia de hormigas en un escenario de tipo clusters con el fin de visualizar c´ omo influyen

Autoevaluaci´on y evaluaci´on por pares (iguales) como herramientas de aprendizaje y de evaluaci´on de competencias en la asignatura de Biostad´ıstica y Metodolog´ıa Cient´ıfica

Entre las distintas caracter´ısticas de una distribuci´ on ocu- pan un importante lugar los momentos, entre los que cabe destacar los diferentes tipos que definimos a continuaci´

Aunque la herramienta que presentamos es una metodología general que puede trabajar con cualquier variable de decisión y cualquier función objetivo, en el presente trabajo

El objetivo de esta ponencia es desarrollar una optimización multi- objetivo teniendo en cuenta que el modelo incorpora las principales fuentes de irreversibilidad que afectan a

Si α → ∞ el no cumplir la constricci ´on se penaliza cada vez m ´as, y la igualdad debe ser satisfecha con mayor precisi

• El ancho de banda depende del tipo de modulaci´on y las caracter´ısticas de la se˜nal a

Escoger ciertas caracter´ısticas para representar cada categor´ıa y utilizar una adecuada ponderaci´on de las mismas, nos lle- var´a a mejorar la calidad del proceso de aprendizaje