Evaluación de algoritmos genéticos para problemas de optimización PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Evaluación de algoritmos genéticos para problemas de optimización PDF full book. Access full book title Evaluación de algoritmos genéticos para problemas de optimización by Maider Gandarias Imaz. Download full books in PDF and EPUB format.
Author: Maider Gandarias Imaz
Publisher:
ISBN:
Category :
Languages : eu
Pages : 70
Get Book Here
Book Description
Author: Maider Gandarias Imaz
Publisher:
ISBN:
Category :
Languages : eu
Pages : 70
Get Book Here
Book Description
Author: Erik Valdemar Cuevas Jiménez
Publisher: Alpha Editorial
ISBN: 607622763X
Category : Computers
Languages : es
Pages : 225
Get Book Here
Book Description
El volumen Optimización. Algoritmos programados con MATLAB, excepcional en el idioma español, tiene como objetivo principal exponer los "métodos de cómputo evolutivo" de forma general y concisa para que cualquier lector interesado en el tema pueda acceder a los conocimientos, independientemente de su formación matemática. Su carácter práctico y los múltiples ejercicios incluidos son aprovechables para resolver problemas de optimización en las ciencias y la industria que buscan disminuir los costos de un artículo fabricado, el tiempo de ejecución o los riesgos de inversión a la par de maximizar las ganancias, mejorar la calidad de un producto o aumentar la eficiencia de un dispositivo. Todo lo anterior integrado al código de programación MatLAB con la finalidad de que el lector ponga en práctica el conocimiento adquirido.
Author: Jose María Izquierdo Millán
Publisher:
ISBN:
Category :
Languages : es
Pages :
Get Book Here
Book Description
Author: Eduardo Uresti Charre
Publisher:
ISBN:
Category :
Languages : es
Pages : 184
Get Book Here
Book Description
En los algoritmos genéticos la población tiene un doble papel. Por un lado representa lo que puede ser el resultado entregado por el algoritmo, y por otro, la población es la materia prima para la exploración de espacio de búsqueda. Siendo la población lo que el algoritmo entrega en su finalización ésta debe ser cuidadosamente reemplazada por nuevas soluciones que mejor en lo ya encontrado y no destruyan soluciones adecuadas ya descubiertas. Si el problema consiste en encontrar la mejor solución posible en el espacio de búsqueda, es sencillo cuidar el mejor elemento a lo largo de las generaciones. Cuando la solución al problema consiste en encontrar un conjunto múltiple y diverso de puntos, la población debe modificarse con un cuidado adecuado. Este cuidado puede comprometer sustancialmente la capacidad de exploración del espacio de búsqueda. Con el propósito de mantener un nivel adecuado de diversidad en la población el aumentar el tamaño de la población aumenta sustancialmente los recursos requeridos para hacer la evolución de la población y, en el contexto de un problema donde el número de evaluaciones disponible sea limitado o costoso, también puede comprometer el nivel de exploración. El presente trabajo propone y analiza un algoritmo genético que se aplica a problemas de optimización multimodal donde el rol de la población está separado. Este proceso de división es llevado a cabo mediante el manejo de dos poblaciones. Una primera población que hace el papel de una población memoria que representa el conjunto respuesta al problema de búsqueda. Esta población memoria es concebida como un salón de la fama donde se almacenan los mejores individuos encontrados en el proceso de búsqueda. El concepto de mejores el resultado de una combinación entre la aptitud del individuo, una medida descriptiva de la sobrepoblación en el nicho que ocupa, y de un indicador de cómo se compara su evaluación respecto a la de sus compañeros en el nicho. La segunda población representa el medio de exploración en el espacio de soluciones. A la par con estas dos poblaciones, un mecanismo de administración es desarrollado. Este mecanismo se encargará de reemplazar elementos en la población memoria por aún mejores elementos encontrados en el proceso de búsqueda. La otra función importante a su cargo consistirá en formar las poblaciones para cada una de las nuevas exploraciones. El algoritmo desarrollado es comparado experimentalmente con dos de los algoritmos genéticos que mejor se han desempeñado en la solución a problemas de optimización multimodal resultando con ventajas sobro olios. Este algoritmo es aplicado al problema de ruteo de vuelos con múltiples paradas el cual es un problema de optimización discreta de alta complejidad y relevancia práctica. En este problema la evaluación de los individuos tiene un costo computacional elevado, de manera que el overead computacional causado por la administración de la población memoria es reducido cuando se le compara contra los costos de evaluación.
Author: Carlos Cervigon Ruckaüer
Publisher: Editorial Ra-Ma
ISBN: 9788478979110
Category : Computers
Languages : es
Pages : 330
Get Book Here
Book Description
Los algoritmos evolutivos constituyen una técnica general de resolución de problemas de búsqueda y optimización inspirada en la teoría de la evolución de las especies y la selección natural. Estos algoritmos permiten abordar problemas complejos que surgen en las ingenierías y los campos científicos: problemas de planificación de tareas, horarios, tráfico aéreo y ferroviario, búsqueda de caminos óptimos, optimización de funciones, etc. Con este libro hemos querido aportar un enfoque práctico al estudio de los algoritmos evolutivos, que es fundamental para aplicarlos a problemas reales de cualquier disciplina del conocimiento. El libro tiene dos partes: la primera, en la que se describen los algoritmos; y la segunda en la que se proponen numerosos proyectos y se resuelven empleando estas técnicas. Los algoritmos evolutivos presentan una estructura general que puede aplicarse a los distintos problemas, facilitando así enormemente las tareas de diseño e implementación. El único requisito de un usuario que desee aplicar esta técnica para resolver un problema concreto es saber programar en cualquier lenguaje de propósito general en el que codificaría el algoritmo evolutivo. Sin embargo, para obtener buenos resultados con estos algoritmos es necesario conocerlos con detalle, ya que dentro del esquema general de un algoritmo evolutivo hay que elegir múltiples componentes y parámetros, de los que va a depender la calidad del resultado y la eficiencia del algoritmo. El conocimiento de la elección más adecuada en cada caso, que a menudo depende de detalles sutiles del problema considerado, sólo se consigue con la práctica. Esta idea nos ha llevado a proponer este libro, que consideramos adecuado para cualquier ingeniero o licenciado con conocimientos básicos de programación.
Author: VV.AA.
Publisher: Marcombo
ISBN: 8426729614
Category : Computers
Languages : es
Pages : 225
Get Book Here
Book Description
Optimización. Algoritmos programados con MATLAB es un libro de texto para estudiantes y profesionales en las áreas de ciencias de la computación, inteligencia artificial, investigación de operaciones, matemáticas aplicadas y control de calidad. El principal objetivo de este libro es brindar una visión unificada de los métodos de cómputo evolutivo, de tal forma que se presentan los principios de diseño así como los operadores de los enfoques evolutivos fundamentales, además de que se considera su implementación por medio de la programación con MATLAB. El lector conocerá los conceptos necesarios para desarrollar y modificar los métodos de cómputo evolutivo con el fin de obtener los desempeños adecuados a las necesidades específicas de los problemas de optimización que normalmente surgen en varios nichos y proyectos industriales, entre otros ámbitos. Los diferentes algoritmos y métodos de cómputo evolutivo que presenta la optimización. El ciclo de cada algoritmo, así como su inicialización, cruza y mutación. Un enfoque amplio hacia la identificación de los pseudocódigos y los diagramas de flujo propios de cada algoritmo. Erik Valdemar Cuevas Jiménez. Es Ingeniero en Comunicaciones y Electrónica por parte de la Universidad de Guadalajara, Maestro en Electrónica Industrial por el ITESO y Doctor en Inteligencia Artificial por la Universidad Libre de Berlín (FUBerlín), en Alemania. Diego Alberto Oliva Navarro. Ingeniero en Electrónica y Computación por el Centro de Enseñanza Técnica Industrial y Maestro en Ciencias en Ingeniería Electrónica y Computación por el Centro Universitario de Ciencias Exactas e Ingenierías de la Universidad de Guadalajara, en México. Doctor en Ingeniería Informática por la Universidad Complutense de Madrid, en España. Margarita Arimatea Díaz Cortés. Recibió el grado en Ingeniera Biomédica en la Universidad de Guadalajara y el grado de Maestra en Ciencias de la Ingeniería Electrónica y Computación por la misma institución. Actualmente estudia el doctorado en Ciencias Computacionales en la Universidad Libre de Berlín. José Valentín Osuna Enciso. Estudió Ingeniería en Electrónica en el Instituto Tecnológico del Mar en Sinaloa, la Maestría en Ciencias en Ingeniería Electrónica y Computación en el Centro Universitario de Ciencias Exactas e Ingenierías de la Universidad de Guadalajara, y el Doctorado en Ciencias de la Computación por el Centro de Investigación en Computación del Instituto Politécnico Nacional.
Author: Óscar Ulloa Enriquez
Publisher:
ISBN:
Category :
Languages : es
Pages :
Get Book Here
Book Description
En esta tesis se explora el uso de figuras de exploración y explotación en algoritmos de optimización multiobjetivo utilizando una población de soluciones. Se examina el desempeño de estas figuras con respecto a problemas de prueba específicos establecidos y se analiza su viabilidad para aplicarse a problemas de optimizacion multiobjetivo.
Author: Miguel Angel Castaneda Reyes
Publisher: Grin Publishing
ISBN: 9783668439528
Category :
Languages : es
Pages : 64
Get Book Here
Book Description
Tesis de Master del ano 2016 en eltema Ciencias de la computacion - Aplicada, Idioma: Espanol, Resumen: En esta tesis presento la comparacion de dos enfoques para resolver el problema de la busqueda de motifs en secuencias de ADN mediante el uso de algoritmos geneticos, el primer enfoque hace una busqueda por posicion, que es evaluar los patrones obtenidos de posiciones iniciales y determinar si es el motif a encontrar en las secuencias, el segundo enfoque es la busqueda por patron, que es evaluar todas las posibles cadenas que se pueden formar con una longitud fija de nucleotidos e ir comparando de principio a fin dentro de las secuencias de ADN para encontrar el motif. Los motifs son una clase de patrones en el contexto del analisis de secuencias biologicas y son de mucha importancia porque se sabe que ciertas proteinas especiales llamadas TF (Transcription Factors) o Factores de Transcripcion, se unen con algunas subcadenas en el ADN formando los motifs o TFBS (Transcription Factors Binding Sites) en espanol Sitios de Union de Factores de Transcripcion y con estas uniones se activa o desactiva el proceso de expresion genetica, mediante el cual los genes son transcritos en forma de ARN mensajero (mARN) llamado ribosoma, el ribosoma toma una secuencia de nucleotidos y los traduce en una cadena de aminoacidos en el orden establecido por el mARN, formando cadenas polimericas lineales de una proteina. Los algoritmos geneticos son modelos computacionales que simulan los procesos biologicos de la reproduccion de las especies y nos ayudan a resolver problemas de optimizacion y busqueda. En este comparativo entre la busqueda de motifs por patrones y la busqueda de motifs por posiciones se pretende determinar que metodo es mas eficiente para encontrar los patrones con mayor exactitud, cual es su complejidad computacional? y como se comporta generacion tras generacion en el algoritmo genetico.
Author:
Publisher:
ISBN:
Category :
Languages : es
Pages :
Get Book Here
Book Description
En esta tesis se presenta un nuevo algoritmo de clasificación denominado g-lvq. Este algoritmo consiste básicamente en una optimización con pocos parámetros libres del algoritmo de clasificación supervisada lvq de kohonen. La optimización de la red neuronal lvq se lleva a cabo utilizando algoritmos genéticos, que son potentes métodos de optimización basados en la selección natural y la base molecular de la misma. Para optimizar una red lvq, se codifica cada red en un "cromosoma" y se crea una población de los mismos. Cada red es evaluada en una tarea de clasificación, y dependiendo de su éxito en esta tarea, se le asigna una puntuación que consiste en la exactitud en la clasificación, el tamaño final de la red, y la distorsión o error entre el conjunto de entrada y la red neuronal obtenida. Los "cromosomas" correspondientes a las redes neuronales con mas éxito se entrecruzaran y mutaran, dando lugar a nuevas redes que serán también evaluadas. Además, se introducen nuevos operadores genéticos, que permiten alterar la longitud de los cromosomas. Estos operadores aumentan la longitud de la red neuronal siempre que alguna neurona gane demasiadas veces para muestras de entrada, y se disminuye la longitud siempre que alguna neurona no gane nunca. El algoritmo g-lvq esta preparado para ejecutarse en arquitecturas de tipo hipercubo o rejilla de procesadores, ya que todas las operaciones sobre genomas y redes neuronales se realizan a nivel local. Los resultados obtenidos en tareas de clasificación mejoran sustancialmente a los obtenidos con otros algoritmos clásicos.
Author: M. Cerrolaza
Publisher: CDCH UCV
ISBN: 9789800009147
Category : Music
Languages : es
Pages : 184
Get Book Here
Book Description
