Show simple item record

Computación Evolutiva para Resolución de CSPs

dc.contributor.authorRodríguez Vela, María del Camino 
dc.contributor.authorPuente Peinador, Jorge 
dc.contributor.authorAlonso González, César Luis 
dc.contributor.authorVarela Arias, José Ramiro 
dc.date.accessioned2015-07-15T10:29:34Z
dc.date.available2015-07-15T10:29:34Z
dc.date.issued2003
dc.identifier.citationInteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial, 7(20), p. 57-68 (2003)
dc.identifier.issn1137-3601
dc.identifier.urihttp://hdl.handle.net/10651/31981
dc.identifier.urihttp://www.redalyc.org/articulo.oa?id=92572005spa
dc.description.abstractLos problemas de Scheduling son un paradigma de la familia de problemas CSP. En este artículo presentamos algunas técnicas de resolución mediante Algoritmos Genéticos. Consideramos en principio la aplicación de Algoritmos Genéticos convencionales, y luego vemos como la eficacia de éstos se puede mejorar notablemente con la utilización conjunta de otras técnicas también clásicas como son las reglas de prioridad, los heurísticos basados en la probabilidad y la búsqueda local. En particular mostramos mediante un estudio experimental como un esquema de búsqueda local mejora el rendimiento de un Algoritmo Genético convencional en la resolución del problema Job Shop Schedulingspa
dc.format.extentp. 57-68spa
dc.language.isospaspa
dc.publisherAEPIA
dc.relation.ispartofInteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial, 7(20)spa
dc.rights© AEPIA
dc.subjectAlgoritmos genéticosspa
dc.subjectSchedulingspa
dc.titleComputación Evolutiva para Resolución de CSPsspa
dc.title.alternativeEvolutionary Computation for CSP’sspa
dc.typeinfo:eu-repo/semantics/article
dc.type.dcmitextspa
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessspa


Files in this item

untranslated

This item appears in the following Collection(s)

Show simple item record