Resumen

La complejidad dinámica de las series temporales de fenómenos naturales permitió mejorar el rendimiento del algoritmo genético para optimizar las funciones matemáticas de prueba. Las poblaciones iniciales de origen estocástico del algoritmo genético fueron reemplazadas utilizando las series temporales de vientos y terremotos. El determinismo de las series temporales aporta más información en la búsqueda del óptimo global de las funciones, logrando reducciones de tiempo y una mejora de los resultados. La información de las poblaciones iniciales fue medida utilizando la entropía de Shannon y permitió establecer la importancia de la entropía en las poblaciones iniciales y su relación con la obtención de mejores resultados. Esta investigación establece una nueva metodología para utilizar series temporales deterministas en la búsqueda del mejor rendimiento de los modelos de optimización de algoritmos genéticos (GA).

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Complejidad dinámica; Series temporales; Algoritmo genético; Determinista; Entropía; Optimización
• Keywords:Dynamic complexity; Time series; Genetic algorithm; Deterministic; Entropy; Optimization