Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
Optimizando la implementación de algoritmos evolutivos JJ Merelo,  Pedro Castillo , Juan L. Jiménez Laredo, Maribel García...
Se presta poca atención a la implementación de los algoritmos evolutivos Aunque permite diseñar mejores algoritmos y obten...
Herramientas usadas <ul><li>Monitores </li><ul><li>Tiempo de ejecución, memoria usada, consumo de recursos </li></ul><li>P...
Ejemplo de uso de un profiler
Planteamiento del problema <ul><li>Fitness = MaxOnes
Algoritmo genético canónico, con élite = 2
Población y longitud variable
Software libre:  http://bit.ly/bOk3z3   </li></ul>
Evolución de un programa evolutivo Eliminado Añadido
El tamaño siempre importa <ul><li>Caché  para la función fitness
Uso de  tr  para cálculo del fitness </li></ul>
Nächste SlideShare
Wird geladen in …5
×

Optimizando Algoritmos Evolutivos - MAEB

780 Aufrufe

Veröffentlicht am

Presentación del trabajo del CEDI sobre optimización de algoritmos evolutivos

Veröffentlicht in: Bildung
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Optimizando Algoritmos Evolutivos - MAEB

  1. 1. Optimizando la implementación de algoritmos evolutivos JJ Merelo, Pedro Castillo , Juan L. Jiménez Laredo, Maribel García Arenas GeNeura team: http://geneura.wordpress.com Departamento de Arquitectura y Tecnología de Computadores: http://atc.ugr.es Universidad d Granada: http://www.ugr.es
  2. 2. Se presta poca atención a la implementación de los algoritmos evolutivos Aunque permite diseñar mejores algoritmos y obtener mejoras sustanciales tanto algorítmicas como de tiempo de ejecución
  3. 3. Herramientas usadas <ul><li>Monitores </li><ul><li>Tiempo de ejecución, memoria usada, consumo de recursos </li></ul><li>Profilers </li><ul><li>Tiempo invertido y número de ejecuciones reales de fragmentos de código </li></ul></ul>
  4. 4. Ejemplo de uso de un profiler
  5. 5. Planteamiento del problema <ul><li>Fitness = MaxOnes
  6. 6. Algoritmo genético canónico, con élite = 2
  7. 7. Población y longitud variable
  8. 8. Software libre: http://bit.ly/bOk3z3 </li></ul>
  9. 9. Evolución de un programa evolutivo Eliminado Añadido
  10. 10. El tamaño siempre importa <ul><li>Caché para la función fitness
  11. 11. Uso de tr para cálculo del fitness </li></ul>
  12. 12. Cuantos más semos... más tardaremos <ul><li>Uso de un profiler para localización de cuello de botella: función sort
  13. 13. Cambio por Sort::Key </li><ul><li>Mejora del comportamiento peor caso. </li></ul></ul>
  14. 14. Conclusiones <ul><li>Mejoras de dos órdenes de magnitud (para algunos tamaños) del tiempo de ejecución de un programa mediante mejoras en la implementación.
  15. 15. Conviene aplicar técnicas de programación habituales y buenas prácticas.
  16. 16. Trabajo futuro: incorporación de técnicas en Algorithm::Evolutionary, librería de algoritmos evolutivos en Perl. </li></ul>
  17. 17. Muchas gracias por su atención ¿Alguna pregunta?
  18. 18. Mejorando los algoritmos evolutivos Se propone el uso de una metodología de prueba y evaluación seguida por la aplicación de técnicas de programación comunes

×