Algoritmos de estimación de distribuciones. Nuevos enfoques basados en islas e introducción de conocimiento del problema

Resumen

El objetivo principal de esta tesis es mejorar el rendimiento de Algoritmos de Estimación de Distribuciones Univariados y Bivariados, En este sentido, se han seguido tres lineas de trabajo: 1. Estudio y diseño de propuestas novedosas en los algoritmos de estimación de distribuciones basadas en islas. Destacar la migración a nivel del modelo probabilístico (vs la tradicional migración de individuos) y las propuestas de incorporación basadas en búsqueda local. 2. Estudio de algoritmos de dos niveles basados en intervalos. El diseño del algoritmo de estimación de distribuciones a dos niveles: uno discreto para modelar las relaciones entre intervalos, y uno numérico dentro de cada intervalo, permite mejores aproximaciones a la solución debido a que se usan distribuciones (Gaussianas) locales a cada intervalo en lugar de una para todo el rango/dominio de la variable considerada. 3. Estudio de distintas posibilidades de incorporación de conocimiento heurístico en los algoritmos de estimación de distribuciones. Se ha realizado una propuesta novedosa de incorporar conocimiento del dominio del problema en la fase de muestreo. Por otra parte se ha realizado una propuesta de incorporación de conocimiento en la estructura del modelo probabilístico en un problema de minería de datos: El aprendizaje de Sistemas Basados en Reglas Difusas Lingüísticas mediante la metodología wCOR. La principal aportación en esta última propuesta es que elimina parte de la búsqueda puesto que algunas relaciones se fijan directamente y se consiguen soluciones de mejor calidad y con un menor número de evaluaciones.