Au cours des dernières décennies, l'intérêt pour résoudre les problèmes d'optimisation combinatoire dynamique a augmenté. La métaheuristique a été utilisée pour trouver de bonnes solutions dans un temps relativement court, et l'utilisation de stratégies auto-adaptatives a considérablement augmenté en raison de ce type de mécanisme qui s'est avéré être une bonne alternative pour améliorer les performances de ces algorithmes. Sur cette recherche, la performance d'un algorithme génétique est améliorée grâce à un mécanisme auto-adaptatif pour résoudre des problèmes combinatoires dynamiques : 3-SAT, One-Max et TSP, en utilisant la stratégie de cartographie génotype-phénotype et des distributions probabilistes pour définir des paramètres dans l'algorithme. Le mécanisme démontre la capacité d'adapter les algorithmes dans des environnements dynamiques.

En las últimas décadas, ha aumentado el interés por resolver problemas de optimización combinatoria dinámica. La metaheurística se ha utilizado para encontrar buenas soluciones en un tiempo razonablemente bajo, y el uso de estrategias autoadaptativas ha aumentado considerablemente debido a que este tipo de mecanismo demostró ser una buena alternativa para mejorar el rendimiento en estos algoritmos. En esta investigación, se mejora el rendimiento de un algoritmo genético a través de un mecanismo autoadaptativo para resolver problemas combinatorios dinámicos: 3-SAT, One-Max y TSP, utilizando la estrategia de mapeo genotipo-fenotipo y distribuciones probabilísticas para definir parámetros en el algoritmo. El mecanismo demuestra la capacidad de adaptar algoritmos en entornos dinámicos.

In last decades, the interest to solve dynamic combinatorial optimization problems has increased. Metaheuristics have been used to find good solutions in a reasonably low time, and the use of self-adaptive strategies has increased considerably due to these kind of mechanism proved to be a good alternative to improve performance in these algorithms. On this research, the performance of a genetic algorithm is improved through a self-adaptive mechanism to solve dynamic combinatorial problems: 3-SAT, One-Max and TSP, using the genotype-phenotype mapping strategy and probabilistic distributions to define parameters in the algorithm. The mechanism demonstrates the capability to adapt algorithms in dynamic environments.

في العقود الماضية، ازداد الاهتمام بحل مشاكل التحسين التوافقي الديناميكي. تم استخدام Metaheuristics لإيجاد حلول جيدة في وقت منخفض بشكل معقول، وزاد استخدام استراتيجيات التكيف الذاتي بشكل كبير بسبب هذا النوع من الآلية التي أثبتت أنها بديل جيد لتحسين الأداء في هذه الخوارزميات. في هذا البحث، يتم تحسين أداء الخوارزمية الجينية من خلال آلية ذاتية التكيف لحل المشاكل التوافقية الديناميكية: 3 - SAT و One - Max و TSP، باستخدام استراتيجية رسم خرائط النمط الجيني والتوزيعات الاحتمالية لتحديد المعلمات في الخوارزمية. توضح الآلية القدرة على تكييف الخوارزميات في البيئات الديناميكية.