Keen: Kotlin genetic algorithms framework

Abstract

Esta tesis explora la Computación Evolutiva (CE) dentro de la Inteligencia Artificial, cen- trándose en su aplicación en ingeniería de software y computación científica. Se presenta un framework de CE, destacando su modularidad y capacidad de integrar diversos algoritmos evolutivos. La eficacia del framework se demuestra mediante estudios de caso sobre Algo- ritmos Genéticos y Programación Genética Lineal, resaltando su capacidad para resolver problemas computacionales complejos. El desarrollo se basa en una revisión detallada de los frameworks existentes de CE, con énfasis en sus funcionalidades y arquitectura. Además, la tesis examina las dimensiones teóricas de la CE, proporcionando un análisis integral de sus conceptos y metodologías fundamentales. Este estudio enriquece la comprensión de la CE y contribuye a las discusiones académicas, estableciendo una base sólida para futuras investigaciones y aplicaciones. La hipótesis central plantea que un framework que enfatice la modularidad y la extensibilidad puede tener un impacto positivo en la computación evolutiva. Se espera que este framework sea fácil de usar y flexible, permitiendo implementar algoritmos evolutivos de manera eficiente y fomentando la investigación e innovación en este campo. La estructura de la tesis se organiza metodológicamente de la siguiente manera: 1. Antecedentes: Establece la base teórica de los conceptos centrales. 2. Estado del Arte: Revisión de los avances y frameworks actuales en CE. 3. Diseño e Implementación del Framework: Explica la arquitectura e implementación del framework. 4. Estudio de Caso de Optimización de Funciones: Prueba el framework en prob- lemas de optimización de funciones del mundo real. 5. Estudio de Caso sobre Reproducción de Fallos: Demuestra la aplicación del framework en otro dominio. 6. Conclusión y Trabajo Futuro: Resume el trabajo realizado y propone direcciones para futuras investigaciones. Esta estructura asegura una comprensión integral de los objetivos, la metodología y los resultados de la investigación, proporcionando una narrativa coherente a lo largo de la tesis.

This thesis explores Evolutionary Computation (EC) within Artificial Intelligence, particularly focusing on its application in software engineering and scientific computing. It introduces an EC framework, highlighting its modularity and ability to integrate various EC algorithms. The framework’s efficacy is demonstrated through case studies on Genetic Algori thms and Linear Genetic Programming, emphasizing its ability to solve complex computational problems. The development is grounded in a detailed review of existing EC frameworks, with an emphasis on their functionalities and architectural details. Additionally, the thesis explores the theoretical dimensions of EC, providing a comprehensive analysis of its fundamental concepts and methodologies. This study enriches the understanding of EC and contributes to academic discussions, establishing a firm foundation for future research and applications. The central hypothesis suggests that a framework emphasizing modularity and extensibility can positively impact evolutionary computation. This framework is expected to be userfriendly and flexible, potentially streamlining evolutionary algorithm implementations and fostering efficient research and innovation. The structure of the thesis is methodically laid out as follows: 1. Background: Establishes the theoretical foundation for the central concepts. 2. State of the Art: Reviews current advancements and frameworks in EC. 3. Framework Design and Implementation: Details the architecture and implementation of the framework. 4. Function Optimization Case Study: Tests the framework with real-world function optimization problems. 5. Crash Reproduction Problem Case Study: Demonstrates the framework’s application in another domain. 6. Conclusion and Future Work: Summarizes the work and proposes future research directions. This structure ensures a comprehensive understanding of the research’s objectives, methodology, and outcomes, providing a coherent narrative throughout the thesis.