Evaluación de proyectos usando sistemas basados en algoritmos genéticos de aprendizaje de reglas
Fuente:
Redalyc
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Artículo científico |
| Lenguaje: | es |
| Publicado: |
Universidad de las Ciencias Informáticas
2017
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1876484992775749632 |
|---|---|
| author | Alain Guerrero Enamorado |
| author_facet | Alain Guerrero Enamorado |
| contents | Evaluación de proyectos usando sistemas basados en algoritmos genéticos de aprendizaje de reglas Alain Guerrero Enamorado Iliana Pérez Pupo Sebastián Ventura Carlos Morell Pedro Yobanis Piñero Pérez Computación Algoritmo MCGEP Algoritmos genéticos Aprendizaje de reglas Evaluación de Proyectos Programación de Expresiones Genéticas En el presente trabajo se evalúa el comportamiento d el algoritmo evolutivo MCGEP en diferentes versiones de una base de datos con información sobre la evaluación de proyectos informáticos. La idea fundamental del trabajo es evaluar la posibilidad de aplicación de un algoritmo evolutivo que utiliza programac ión de expresiones genéticas frente a otros siete algoritmos muy utilizados del estado del arte . Los algoritmos utilizados en la evaluación son capaces de generar modelos de clasificación interpretables utilizando técnicas evolutivas para obtenerlos. Los e xperimentos se realizaron en cinco versiones creadas a partir de un repositorio de datos con información sobre la evaluación de proyectos. Se logró mostrar como el algoritmo MCGEP queda en primer lugar entre los algoritmos comparados para la métrica de exa ctitud predictiva, además mejora significativamente a la mayoría de estos algoritmos en esta métrica. Por otro lado, l a complejidad de los modelos que genera para lograr estos resultados no es demasiado elevada por lo cual MCGEP sobresale junto a l algoritm o G ASSIST como los más balanceado s si se tienen en cuenta ambas métricas al mismo tiempo. Como valor añadido se aprovecha la capacidad de selección de atributos implícita que tiene este tipo de técnicas para sacar algunas conclusiones sobre cuáles son los indicadores de medición que más influyen en la evaluación de un proyecto y cu á l o cu á les indicadores permiten detectar a tiempo que un proyecto no logrará una buena evaluación al finalizar . 2017 artículo científico 1994-1536 https://www.redalyc.org/articulo.oa?id=378353382004 es http://www.redalyc.org/revista.oa?id=3783 Revista Cubana de Ciencias Informáticas application/pdf Universidad de las Ciencias Informáticas Revista Cubana de Ciencias Informáticas (Cuba) Num.4 Vol.11 |
| format | Artículo científico |
| id | redalyc_378353382004 |
| institution | Redalyc |
| language | es |
| publishDate | 2017 |
| publisher | Universidad de las Ciencias Informáticas |
| spellingShingle | Evaluación de proyectos usando sistemas basados en algoritmos genéticos de aprendizaje de reglas Alain Guerrero Enamorado Computación Algoritmo MCGEP Algoritmos genéticos Aprendizaje de reglas Evaluación de Proyectos Programación de Expresiones Genéticas Evaluación de proyectos usando sistemas basados en algoritmos genéticos de aprendizaje de reglas Alain Guerrero Enamorado Iliana Pérez Pupo Sebastián Ventura Carlos Morell Pedro Yobanis Piñero Pérez Computación Algoritmo MCGEP Algoritmos genéticos Aprendizaje de reglas Evaluación de Proyectos Programación de Expresiones Genéticas En el presente trabajo se evalúa el comportamiento d el algoritmo evolutivo MCGEP en diferentes versiones de una base de datos con información sobre la evaluación de proyectos informáticos. La idea fundamental del trabajo es evaluar la posibilidad de aplicación de un algoritmo evolutivo que utiliza programac ión de expresiones genéticas frente a otros siete algoritmos muy utilizados del estado del arte . Los algoritmos utilizados en la evaluación son capaces de generar modelos de clasificación interpretables utilizando técnicas evolutivas para obtenerlos. Los e xperimentos se realizaron en cinco versiones creadas a partir de un repositorio de datos con información sobre la evaluación de proyectos. Se logró mostrar como el algoritmo MCGEP queda en primer lugar entre los algoritmos comparados para la métrica de exa ctitud predictiva, además mejora significativamente a la mayoría de estos algoritmos en esta métrica. Por otro lado, l a complejidad de los modelos que genera para lograr estos resultados no es demasiado elevada por lo cual MCGEP sobresale junto a l algoritm o G ASSIST como los más balanceado s si se tienen en cuenta ambas métricas al mismo tiempo. Como valor añadido se aprovecha la capacidad de selección de atributos implícita que tiene este tipo de técnicas para sacar algunas conclusiones sobre cuáles son los indicadores de medición que más influyen en la evaluación de un proyecto y cu á l o cu á les indicadores permiten detectar a tiempo que un proyecto no logrará una buena evaluación al finalizar . 2017 artículo científico 1994-1536 https://www.redalyc.org/articulo.oa?id=378353382004 es http://www.redalyc.org/revista.oa?id=3783 Revista Cubana de Ciencias Informáticas application/pdf Universidad de las Ciencias Informáticas Revista Cubana de Ciencias Informáticas (Cuba) Num.4 Vol.11 |
| title | Evaluación de proyectos usando sistemas basados en algoritmos genéticos de aprendizaje de reglas |
| topic | Computación Algoritmo MCGEP Algoritmos genéticos Aprendizaje de reglas Evaluación de Proyectos Programación de Expresiones Genéticas |
| url | https://www.redalyc.org/articulo.oa?id=378353382004 |