BA PROGRAMA DE ESTUDIOS Gauataterwe ‘UNIVERSIDAD AUTONOMA METROPOLITANA UNIDAD CUASIMALPA | DIVISION CTENCIAS NATURALES E INGENIERIA NOMBRE DEL PLAN LICENCIATURA EN INGENIERTA EN COMPUTACION CLAVE UNIDAD DE ENSESANZA-APRENDIZAJE cRED a | + compuracrow vonutrva een 4605008, TTPO OPT, H.TEOR. 3.0 $$ ram. SERIACION VIT AL XxIT HLPRAC. 2.0 | 4604039 l OBJETIVO(S) + Objetivo General: Al final de la UEA el alumno comprenderd los conceptos, ventajas y limitaciones de 1a computacién evolutiva para su aplicacién en la solucién de problemas en las ciencias e ingenieria. lobjetivos Parciales |2. Comprender el origen de 1a computacién evolutiva. : Reconocer los componentes de un algoritmo evolutivo + Distinguir los diferentes paradigmas de la computacién evolutiva. Aplicar algoritmos evolutivos a la solucién de problemas en las Ciencias e ingenieria. CONTENIDO SINTETIC Introduccién. +1, Inspiracién darwiniana. 12. Antecedentes histéricos +3. Tipos de problemas que se resuelven me@iante algoritmos evolutivos. + Algoritmos evolutivos eQué es un algoritmo evolutivo? Componentes de los algoritmos evolutivos. Representacién. Funcién de aptitua. Poblacién. : Mecanismo de seleccién de padres Operadores de variacién. | | KO ‘UNIVERSIDAD AUTONOMA METROPOLITANANOMBRE DEL PLAN LECENCTATURA EN INGENIERIA EN COMPUTACTON |? 4 t |ctave 4605008 | COMPUTACION EVOLUTIVA 6. Mecanismo de seleccién de sobrevivientes 1:7. Inicializacién. 8. Condicién de terminacién. : Operacién de un algoritmo evolutivo. | Principales paradigmas. Estrategias evolutivas. Algoritmos genéticos Programacién evolutiva. Programacién genética MODALIDADES DE CONDUCCION DEL PROCESO DE ENSENANZA-APRENDIZAJE: |clases teéricas con exposiciones tem4ticas por parte del profesor, que fomenten discusiones grupales con nivel de complejidad incremental, en donde los alumnos participen activamente en la solucién de problemas planteados por el profesor y se promueva una actitud hacia la investigacién y al autoaprendizaje, con el fin de que se refuercen los conceptos relacionados con la computacién evolutiva Disefio de experiencias de aprendizaje por casos de estudio, en donde el profesor conduce el proceso y promueve 1a cooperacién de los alumnos en grupos de trabajo. En las sesiones de préctica, el profesor deberd promover que los alumnos participen activamente en equipo, aportando ideas para utilizar algoritmos| Jevolutivos para la solucién de problenas. | Investigacién y exposicién por parte del alumno de articulos de divulgacién, en inglés y en espafiol, sobre 1a computacién evolutiva y sus paradigmas. | Las habilidades transversales que deberé adquirir el alumno asociadas a esta UEA son: | evolutiva. (Ht1) Aprender a aprender (autoaprendizaje): investigar temas relacionados con la computacién evolutiva. (Ht2) Trabajar _arménicamente en equipo: desarrollar y reportar las lexperiencias de laboratorio. ] AMA NERS ATOM ETP | Ccasaatiotaal tengoNOMBRE DEL PLAN LICENCIATURA EN INGENIERIA EN COMPUTACION 3/4) ctave 4605008 | COMPUTACION EVOLUTIVA (Ht3) Comunicarse eficazmente, de forma oral y escrita, en espafiol: presentar al profesor, de forma oral y escrita, reportes de las experiencias o précticas. (Ht4) Comprender perfectamente textos técnicos en espafiol: leer textos en Jespafiol sobre algiin tema relacionado con la computacién evolutiva y elaborar| un andlisis escrito del mismo (Ht5) Comprender textos técnicos en inglés: leer textos técnicos en inglés sobre algiin tema relacionado con la computacién evolutiva y explicarlos en espafiol. Las habilidades disciplinares que deber4 adquirir el alumno asociadas a esta UEA son: (H1) Abstraccién, como 1a habilidad para conceptualizar un problema que permita plantear una solucién al mismo: comprender los conceptos de la computacién evolutiva y su uso para la solucién de problemas. (42) Resolver problemas mediante algoritmos: utilizar los conceptos de la computacién evolutiva para el disefio y aplicacién de algoritmos evolutivos. (44) Aplicar modelos y técnicas para disefiar, implementar y probar sistemas eficientes: aplicar paradigmas de 1a computacién evolutiva para resolver |problemas de manera eficiente. |nas actitudes que se fomentarén en el alumno asociadas a esta UEA son: (a2) Perseverancia en 1a solucién de problemas. (a3) Disciplina para aplicar los conocimientos adquiridos. (A5) Voluntad de mantenerse actualizado en su area de trabajo. (46) Responsabilidad y ética en su desempefio profesional. MODALIDADES DE EVALUACION: Evaluacién Global: | Se ponderarén las siguientes actividades a criterio del profesor: - Tareas individuales y en equipo. - Exposicién y entrega de reportes de prdcticas de laboratorio. a z AMA UNVERSIAD AUTONOMA METROPOUTANA | Casaabitaaltiongo |(iowne® Del, PUAN MECENCEATURA EN INGENIERIA EN COMPUTACION wa [asa eeosece | caumonacaow woeunava (- Bvaluaciones periddicas. - Evaluacién terminal. - Participacién en los procesos de argumentacién, tanto en las sesiones de teoria como en las de prdctica. - Evaluacién de 1a comprensién de lecturas en inglés y en espafiol, mediante reportes escritos o de forma oral en espafiol. |svatuactén de Recuperacién: El alumno deberd presentar una evaluacién teérico-préctica que contemple los contenidos de 1a unidad de ensefianza-aprendizaje de tal forma que se cumpla jel objetivo general de la UEA. No requiere inscripcién previa a la UBA. BIBLIOGRAFIA NECESARTA 0 RECOMENDABLE: 1, De los Cobas Silva, S.G., Goddard Close, J., Gutiérrez Andrade, M. A., | martinez Licona, A. E. Buisqueda y exploracién estocdstica. Universidad Auténoma Metropolitana, 2010 2. Eiben, A. £., Smith, J. £. ‘Introduction to evolutionary computing Springer, 2015. 3. Gendreau, M., Potvin, J.-¥. Handbook of metaheuristics. Springer, 2010 4. Mitchell, M. An introduction to genetic algorithms. MIT Press, 1998. 5. Reeves, C. R., Rowe, J. Genetic algorithms: Principies and perspectives Kluwer Academic Publishers 2002. 6. Siarry, P. Metaheuristics. Springer, 2016. AO ‘UNIVERSIDAD AUTONOMA METROPOLITANA Casa abierta a tengo, PRESENTADAAL GOKEGIp ACADEMICO EN SU sesigN) om it