Los problemas de optimización dinámicos (DOP) están fuera del alcance del algoritmo
evolutivo (EA) estándar debido al problema de la convergencia , en la medida en que convergen
a un único punto del espacio de búsqueda, ellos pierden la diversidad necesaria para
reaccionar y adaptarse después de un cambio en el problema. Pero a pesar de no estar
directamente enfocados en problemas dinámicos, los EA también ofrecen muchas ventajas
(simplicidad, robustez, paralelismo natural, etc.) que se pueden aprovechar en optimización
dinámica si se diseñan métodos eficientes y eficaces para eliminar tales limitaciones. Esta es la
motivación principal de los investigadores en el campo de la optimización dinámica evolutiva
(EDO) y de la presente tesis doctoral.
Esta investigación abordó el diseño, implementación y evaluación de nuevos AE para DOP,
explorando y contribuyendo en la tres grandes áreas de desafíos actuales:
● Estudios metodológicos,
● Creación de fundamentos y
● Aplicaciones a problemas dinámicos reales.
