El objetivo es la implementación de redes neuronales para la identificación (o clasificación) correcta de dígitos en el conjunto de imágenes MNIST. A lo largo del desarrollo de esta práctica, se implementaron y analizaron diversas arquitecturas de redes neuronales, cada una con un nivel de complejidad creciente, adaptadas al reconocimiento óptico de caracteres en el conjunto de datos MNIST. Estas arquitecturas incluyen redes neuronales simples, multicapa, convolucionales y modelos combinados con autoencoders, culminando en un refinamiento avanzado de una CNN mejorada.
Esta práctica aborda el problema de la asignación cuadrática (QAP, por sus siglas en inglés)
mediante el uso de algoritmos evolutivos. Este problema pertenece a la categoría de optimización
combinatoria, con múltiples aplicaciones en ingeniería y computación. El objetivo principal es minimizar
los costes de transporte asignando eficientemente n instalaciones a n ubicaciones posibles,
considerando distancias y flujos entre ellas, mediante la implementación de algoritmos genéticos evolutivos.