Puris Cáceres, Amílkar YudierMartínez Pérez, Carlos AlbertoMariño Rivero, Adis Perla2017-03-272017-03-272011-07-01https://dspace.uclv.edu.cu/handle/123456789/7641Los problemas de optimización reciben una especial atención en la actualidad debido a la alta complejidad que dichos han alcanzado. Los Algoritmos Genéticos representan modelos muy estudiados en la rama de la optimización, ya que permiten, dado un dominio de exploración, realizar una amplia búsqueda, permitiendo no quedar atrapados en óptimos locales. Un gran peso de este comportamiento lo tienen los operadores de cruzamiento utilizados por estos. La Optimización en Mallas Variables surge recientemente en nuestro grupo de investigación, la cual ha sido competitiva en dominios continuos y ha sido poco explorado la búsqueda de nuevas alternativas para mejorar su comportamiento. El objetivo de esta investigación es desarrollar un modelo que combine las ventajas que nos pueden proporcionar los operadores de cruce genéticos y la esta metaheurística poblacional incorporando estos operadores tanto de manera simple como la hibridación de ellos según sus características a la etapa de búsqueda local y global desarrollada por el modelo, con la meta de presentar un modelo más robusto que obtenga soluciones mejores que el original. Los resultados de esta investigación son la obtención de distintas variantes de incorporación de los operadores, no mejorando el comportamiento del original para la resolución de problemas continuos.esEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 LicenseAlgoritmos GenéticosMallas VariablesMetaheurística PoblacionalHibridaciónOptimizaciónAlgoritmos GenéticosMetaheurísticaHibridaciónOptimizaciónThesis