000			ntdaa22 ab4500
999			_c11775 _d11775
003			ESPAM MFL
005			20200120100108.0
006			amr|pgr|ai| 001 0
008			140809s9999 mx ||||f m||| 00| 0 spa d
040			_aEC-ESPAM MFL _bSPA
041			_aspa.
084			_aTT-C _b22
100			_aGuamán Bravo, Paola Victoria
245			_aRepresentaciones cromosómicas del algoritmo NSGA-II para el problema de árbol de expansión mínima multiobjetivo (MST-MO).
260			_aCalceta, Ecuador _bESPAM MFL _c2019
300			_axiv, 80 páginas; _bFotos, graficos, tablas; _eCD;
502			_cESPAM MFL
520			_aLa finalidad de este trabajo de titulación consistió en identificar la mejor alternativa de representación cromosómica que lograse mejorar el rendimiento en términos multiobjetivo de un algoritmo genético conocido como NSGA-II, el cual fue utilizado a la vez para abordar el problema del árbol de expansión mínima en su versión multiobjetivo. Esta identificación se logró a través de la evaluación exhaustiva de tres distintos tipos de representación cromosómica: Prüfer number, link and node biased encoding (LNB), y edge-set encoding. En unión a ello, se emplearon métodos de investigación científica (bibliográfico y analítico) para la búsqueda, interpretación y análisis de la información y de los resultados obtenidos en cada ejecución. Se empleó el software RStudio para la codificación y posterior ejecución de las representaciones, mismas que fueron aplicadas al NSGA-II junto con sus operadores evolutivos respectivos. En la realización de los experimentos computacionales se utilizaron datos de expresión génica, los cuales corresponden a cuatro bases de datos distintas disponibles en la web: arabidopsis, cell cycle, sporulation y serum. Una vez realizados dichos experimentos, se evaluó el rendimiento de las representaciones utilizando la métrica de desempeño multiobjetivo hipervolumen, con el fin de identificar las mejores fronteras de Pareto de cada representación. Luego del cálculo del hipervolumen se aplicaron pruebas estadísticas a sus datos por medio de los tests de Friedman y Nemenyi. Dichos cálculos de hipervolumen y test estadísticos permitieron determinar que la representación LNB fue la mejor alternativa para el mejoramiento del NSGA-II.
650			_aNSGA-II
650			_aÁrbol de expansión mínima multiobjetivo
650			_aRepresentaciones para algoritmos genéticos
650			_aPrüfer number
700			_aPárraga Álava, Jorge Antonio _eTutor
856			_uhttp://repositorio.espam.edu.ec/handle/42000/1105
912			_c2020-01-20 _dPaul Villacreses
913			_bCC
942			_2ddc _cTES