METAHEURÍSTICAS PARAMETRIZADAS PARALELAS APLICADAS A UN PROBLEMA DE OPTIMIZACIÓN DE COSTES EN LA EXPLOTACIÓN
|
|
- Virginia Domínguez Sánchez
- hace 5 años
- Vistas:
Transcripción
1 METAHEURÍSTICAS PARAMETRIZADAS PARALELAS APLICADAS A UN PROBLEMA DE OPTIMIZACIÓN DE COSTES EN LA EXPLOTACIÓN DE RECURSOS HÍDRICOS José Matías Cutillas Lozano Murcia, 5 de setiembre de 20
2 Índice. Motivación 2. El roblema de otimización de costes 3. Metaheurísticas arametrizadas Esquema unificado arametrizado Esquema unificado arametrizado aralelo Modelado y autootimización 4. Exerimentos 5. Conclusiones
3 La exlotación de recursos hídricos La exlotación de recursos hídricos conlleva un coste en el consumo de energía eléctrica ara realizar bombeos de agua. Existen una serie de restricciones técnicas que se deben cumlir. Nuestro objetivo es alicar un algoritmo que ermita otimizar el coste eléctrico resetando las restricciones. Se retende mejorar un roblema inicial real resuelto mediante algoritmos genéticos. El esacio de osibles soluciones es muy grande y los métodos exhaustivos no son alicables aquí. En nuestro trabajo se han utilizado técnicas metaheurísticas.
4 Metaheurísticas arametrizadas Se realizan exerimentos con varios arámetros y funciones ara adatar una metaheurística a nuestro roblema. Se exerimenta con varias metaheurísticas ara obtener una que sea buena ara nuestro roblema. Utilizamos un esquema unificado arametrizado de metaheurísticas: - diferentes valores de los arámetros roorcionan diferentes metaheurísticas o combinación/hibridación de éstas.
5 Metaheurísticas arametrizadas aralelas Se requieren muchos exerimentos ara seleccionar una metaheurística satisfactoria y adatarla al roblema. Se resolverán un gran número de roblemas de otimización. Utilizamos un esquema unificado arametrizado aralelo de metaheurísticas: - Se aralelizan a la vez las diferentes metaheurísticas obtenidas del esquema arametrizado, con los arámetros aralelos ara la otimización del tiemo de ejecución.
6 Modelado y autootimización Queremos establecer el número de hilos ótimo (que roorciona menor tiemo de ejecución) ara cada método de la metaheurística. Se realizan exerimentos variando el número de hilos de ejecución y los arámetros de cada función, correlacionando ambas variables. Se retende utilizar estas correlaciones ara autoseleccionar el número de hilos ótimo de cada función.
7 El roblema de otimización de costes Nuestro sistema hídrico está formado or un conjunto de bombas B de extracción de agua funcionando en unos determinados rangos horarios diarios R. Así se constituye el individuo y se estructura en forma de vector de tamaño B. R. El conjunto de individuos es la oblación según nomenclatura de algoritmos evolutivos. Podemos ver todas la variables que forman nuestro roblema en el siguiente ejemlo: Bombas: 5 Rangos Horarios: 3 Volumen total acumulado diario (m3): 0000 (+0000) Caudal total mínimo (m3/h): 200 Caudales (m3/h): Tarifas ( /(Kw h)): Potencias (Kw):
8 El roblema de otimización de costes Conductividad máxima ermitida (μs/cm): 2500 Conductividades (μs/cm): Volúmenes máximos concedidos diarios (m3): Profundidades nivel dinámico (m): Profundidades nivel dinámico máximas (m): (+3) Estatus ozos: Individuo ejemlo (tamaño B. R): El roblema consiste en: obtener el individuo que oere de manera ótima de acuerdo a cierto criterio resetando todas las restricciones del sistema.
9 El roblema de otimización de costes Se ha utilizado la siguiente función objetivo como criterio de otimización: C e = R B i= j= T i P j N i x ij donde C e es el coste de energía eléctrica consumida or la combinación de bombas seleccionada, T i es la tarifa energética en el rango horario i, N i es el número de horas de funcionamiento de las bombas durante todo el rango horario i, P j es la otencia eléctrica consumida or la bomba j y x ij es la variable binaria de valor ara bomba encendida y 0 ara bomba aagada.
10 El roblema de otimización de costes La anterior función de bondad está sujeta a las siguientes restricciones: R. Satisfacción de la demanda: R B i= j= H Q x = V ij R2. Mantenimiento del caudal mínimo ara cada tramo horario: B j= Q j x j ij Q min. R3. Cumlimiento de los volúmenes máximos de exlotación de cada ozo j: 24 dt R j, Q j xij Vconc. kj R i=
11 El roblema de otimización de costes R4. Mantenimiento de la conductividad media or debajo del límite ara cada tramo horario: B Q j= B j= j σ x Q j j x j j σ R5. Cumlimiento de rofundidades máximas de niveles dinámicos. lím. donde Q ij es el caudal extraído del ozo j en el intervalo horario i, V dt es el volumen diario total demandado, H es el nº de horas de cada intervalo, Q j es el caudal extraído del ozo j, Q min. es el caudal mínimo total en tubería ara cada tramo horario, σ j es la conductividad de cada ozo y σ lim es la conductividad límite de la mezcla de aguas.
12 Objetivos Obtener una herramienta ara alicar y adatar metaheurísticas de forma eficiente a nuestro roblema de otimización de costes. Utilizamos ara ello un esquema unificado arametrizado exerimentando con las siguientes metaheurísticas: Algoritmos Genéticos, GRASP, Scatter Search y sus combinaciones/hibridaciones. Mejorar los tiemos de ejecución alicando un esquema unificado arametrizado en memoria comartida basado en OenMP, con funciones arametrizadas aralelas. Modelar el sistema correlacionando el número de hilos ótimo como función de los arámetros de cada método.
13 Esquema unificado arametrizado de metaheurísticas Inicializar (S, ParamIni) mientras (NO CondiciondeFin(S, ParamCondFin)) SS = Seleccionar (S, ParamSel) si ( SS > ) SS = Combinar (SS, ParamCom) sino SS = SS SS2 = Mejorar (SS, ParamMej) S = Incluir (SS2, ParamInc) finmientras Facilita trabajar con diferentes metaheurísticas reutilizando funciones El uso de arámetros facilita el trabajo con diferentes metaheurísticas/hibridación/combinación seleccionando diferentes valores de arámetros en las funciones
14 Parámetros de la metaheurística ParamInic = (NEIIni, PEMIni, IMEIni, NEFIni) ParamSel = (NEMSel, NEPSel) ParamCom = (NMMCom, NMPCom, NPPCom) ParamMej = (PEBMej, IMBMej, PEMMej, IMMMej) ParamInc = (NEMInc) ParamCondFin = (NMFin, NIRFin)
15 Metaheurísticas Metaheurísticas uras: GRASP (GR), Algoritmos Genéticos (GA), Scatter Search (SS) Combinaciones: GRASP+GA, GRASP+SS, GA+SS, GRASP+GA+SS
16 Esquema arametrizado aralelo Inicializar (S, ParamIni, ThreadsIni) mientras (NO CondiciondeFin(S, ParamCondFin)) SS = Seleccionar (S, ParamSel) si ( SS > ) SS = Combinar (SS, ParamCom, ThreadsCom) sino SS = SS SS2 = Mejorar (SS, ParamMej, ThreadsMej) S = Incluir (SS2, ParamInc, ThreadsInc) finmientras ThreadsIni = (ThreadsIni, ThreadsIni, Threads2Ini) ThreadsMej = (ThreadsMej,Threads2Mej,ThreadsMut,Threads2Mut)
17 Esquema arametrizado aralelo Paralelización indeendiente de las funciones, con arámetros de aralelismo (número de threads) de cada función. Dos niveles de aralelismo. Se uede ajustar el aralelismo cambiando el número de hilos de cada nivel. Identificamos funciones con el mismo esquema aralelo: Paralelismo de un nivel om_set_num_threads ( threads-un-nivel ) #ragma om arallel for bucle en elementos tratar elementos. ej.: GenerarConjuntoInicial (dentro de Inicializar), Combinar Se ersigue reducir el tiemo de ejecución.
18 Esquema arametrizado aralelo Paralelismo de dos niveles (anidado) om_set_num_threads ( threads-rimer-nivel ) #ragma om arallel for bucle en elementos segundo-nivel ( threads-rimer-nivel ) segundo-nivel ( threads-rimer-nivel ) : om_set_num_threads (threads-segundo-nivel (threads rimer nivel)) #ragma om arallel for bucle en elementos tratar elementos. ej.: Mejorar En este caso no se ersigue reducir el tiemo de ejecución, sino mejorar la función de bondad mediante busqueda y mejora locales.
19 Sistemas comutacionales Ben-Arabí (Centro de Suercomutación de Murcia): Ben: HP Integrity Suerdome SX2000 con 28 cores con rocesador Intel Itanium-2 dual-core Montvale. Arabí: cluster de 02 nodos, cada uno con 8 cores con rocesador Intel Xeon Quad-Core L5450 (se usa un nodo). Comutador Saturno del Gruo de Comutación Científica y Programación Paralela de la Universidad de Murcia, con 24 cores estructurados en cuatro nodos NUMA idénticos con 883 MB de memoria comartida y tres niveles de memoria caché: L (32 KB), L2 (256 KB) y L3 (2 MB).
20 Parámetros Parámetros de las metaheurísticas y combinaciones de metaheurísticas utilizados en los exerimentos:
21 Exerimentos secuenciales Se mejoran los resultados obtenidos inicialmente con algoritmos genéticos: Función de bondad ara las metaheurísticas y combinaciones estudiadas y varios tamaños de roblema Bom=200,Ran=6 Bom=200,Ran=3 GR+GA+SS Bom=50,Ran=3 Bom=50,Ran=6 GR+SS GA+SS GR+GA SS Bom=50,Ran=3 GA Bom=20,Ran=6 GRASP C e ( )
22 Exerimentos secuenciales Valores de coste ótimos obtenidos or las diferentes metaheurísticas en sucesivas iteraciones, ara el roblema con 50 bombas y 6 franjas horarias GA C e ( ) SS GRASP GR+GA GA+SS GR+SS GR+GA+SS iteraciones
23 Exerimentos con aralelismo global Se analiza el aralelismo de la metaheurística en su conjunto. Valores de los arámetros ara la metaheurística considerada en los exerimentos (salvo que se esecifiquen otros ):
24 Exerimentos con aralelismo global Seedu ara cada metaheurística lanzando distinto número de hilos (Ben). - Problema: B=50, R=6. 25 Seedu ara varias metaheurísticas usando aralelismo t s /t GA SS GRASP GR+GA GA+SS GR+SS GR+GA+SS,, 2 Se mejora el tiemo secuencial: - GA, GR+GA, GA+SS y GRASP: máximo seedu en 6 a 32 hilos, - SS, GR+SS y GR+GA+SS: máximo seedu or encima de 64 hilos.
25 Exerimentos con aralelismo global Función de bondad ara cada metaheurística lanzando distinto número de hilos de segundo nivel (Ben). - Problema: B=50, R= Función objetivo ara varias metaheurísticas usando aralelismo Ce( ) GA SS GRASP GR+GA GA+SS GR+SS GR+GA+SS 7400,, 2 La mejora en la función objetivo es equeña en todas las metaheurísticas resecto a los exerimentos secuenciales
26 Exerimentos aralelos. Paralelismo de un nivel Seedu ara varios tamaños de oblación inicial ara la función GenerarConjuntoInicial 50 Seedu, GenerarConjuntoInicial ts/t NEIIni = 20 NEIIni = 00 NEIIni = El número de hilos ótimo deende del tamaño inicial del conjunto NEIIni
27 Exerimentos aralelos. Paralelismo de un nivel Paralelismo de un nivel (Ben): 0,3 GenerarConjuntoInicial,2 Combinar 0,25 t (s) 0,2 0,5 t (s) 0,8 0,6 0, 0,4 0,05 0, ,2 Incluir Modelamos GenerarConjuntoInicial según: t (s) 0,8 0,6 t gen (k = g NEIIni) +k 0,4 0, El comortamiento del resto de funciones con aralelismo de un nivel es similar a GenerarConjuntoInicial.
28 Exerimentos aralelos. Paralelismo de un nivel Seedu ara varios tamaños de NEIIni en GenerarConjuntoInicial (Ben): 0 9 S, NEIIni = 20, GenerarConjuntoInicial 25 S, NEIIni = 00, GenerarConjuntoInicial t s /t ts/t real ts/t teorico K (NEI=00) K (NEI=500) t s /t ts/t real ts/t teorico K (NEI=20) K (NEI=500) ts/t S, NEIIni = 500, GenerarConjuntoInicial ts/t real ts/t teorico K (NEI=20) K (NEI=00) Buenos ajustes utilizando constantes calculadas con distintos tamaños. k similares.
29 Paralelismo de un nivel. Modelado. Obtenemos los valores de las constantes k g y k que determinan la ecuación del modelo: t = k NEIIni ; k g = s. (de la te. de t gen vs. NEIIni) gen g k n ( i t gen,i k g NEIIni) i= = n i= 2 i ; del ajuste ara varios NEIIni: Podemos hacer una media de las constantes k, lo que nos ermite calcular el nº de hilos ótimo ara cada tamaño inicial: NEIIni ot. (modelo) ot. (real) S ot. (modelo) 8,6 9 4 S ot. (real) 8, ot. = k k g NEIIni Los valores ótimos de seedu alcanzados se ajustan bastante a los reales, a esar de que el número de hilos modelado se diferencia moderadamente del real.
30 Exerimentos aralelos. Paralelismo de dos niveles Paralelismo de dos niveles ara MejorarElementos (Ben): Tiemo vs. en MejorarElementos con 2 cte. Tiemo vs. 2 en MejorarElementos con cte. t(s) 0,6 0,5 0,4 0,3 0,2 0, t(s),8,6,4,2 0,8 0,6 0,4 0, Idéntico comortamiento en la función Mutar. - El aralelismo anidado no mejora el tiemo de ejecución: sólo contribuye a la búsqueda y mejora en el vecindario de individuos Modelamos MejorarElementos según: t mej = k m NEIIni PEMIni IMEIni 00 + k, + k,2 2
31 Exerimentos aralelos. Modelado Calculamos las constantes que definen el modelo ara la función MejorarElementos: k m = n i= NEIInii PEMIni 00 n i= NEIInii PEMIni 00 i IMEIni i t IMEIni i i mej,i 2 con k m = 9, s. A artir del ajuste k, NEIIni PEMIni n n n i i i 2,i tmej,i km 2,i k,2 i= i= 00,i i= = n i=,i 2,i IMEIni 2 2,i Valores de k, y k,2 a artir del ajuste: k,2 = n n i= i= 2,i,i n i= 2,i 2,i n i= t mej,i n n 2,i i= i=,i t n i= mej,i n n 2,i i= i= k m 2 2,i n i= NEIInii PEMInii IMEInii ,i k m n n i= i=,i,i 2,i 2,i,i 2 2 NEIInii PEMInii IMEInii 00 2,i
32 Paralelismo de dos niveles. Modelado Comarativa de tiemos de ejecución real y teórico a artir de los ajustes ara varias combinaciones de arámetros en la función MejorarElementos (Ben): t(s) Series con = cte. (NEIIni=20, PEMIni=50, IMEIni=20) 0,5 0,45 0,4 P = (real) P = (teórico) 0,35 P = 2 (real) 0,3 P = 2 (teórico) 0,25 P = 3 (real) 0,2 P = 3 (teórico) 0,5 P = 4 (real) 0, P = 4 (teórico) 0, t(s) Series con = cte. (NEIIni=00, PEMIni=50, IMEIni=0),4,2 P = (real) P = (teórico) P = 2 (real) 0,8 P = 2 (teórico) 0,6 P = 3 (real) P = 3 (teórico) 0,4 P = 4 (real) 0,2 P = 4 (teórico) Series con = cte. (NEIIni=500, PEMIni=00, IMEIni=5) t(s) P = (real) P = (teórico) P = 2 (real) P = 2 (teórico) P = 3 (real) P = 3 (teórico) P = 4 (real) P = 4 (teórico) - Los ajustes son mejores con valores altos de los arámetros. - Se ajustan mejor las series con ocos hilos de rimer nivel. 2
33 Conclusiones Alicación satisfactoria de un esquema unificado arametrizado de metaheurísticas a nuestro roblema de otimización de costes en la exlotación de recursos hídricos. Los mejores resultados secuenciales, en cuanto a función de bondad, se obtienen con la combinación de metaheurísticas GA+SS y GR+GA +SS, mejorándose los resultados iniciales con algoritmos genéticos. Alicación de un esquema unificado arametrizado en memoria comartida. Se han obtenido versiones aralelas de las metaheurísticas mejorándose el tiemo de ejecución resecto al secuencial. Se ha demostrado la deendencia del número de hilos con los arámetros de la metaheurística. Se han modelado algunas funciones reresentativas del sistema obteniéndose resultados satisfactorios, otimizando el esquema aralelo.
34 Trabajos futuros A artir del conjunto de arámetros establecido se odrán diseñar hierheurísticas ara obtener la mejor combinación de arámetros ara el roblema (mejor metaheurística). Diseño de un mecanismo de selección automática del número ótimo de hilos en cada función del esquema aralelo, utilizando ara ello los modelos teóricos del caítulo 4, y obteniendo el esquema metaheurístico arametrizado aralelo con autootimización. Extensión del esquema arametrizado de memoria comartida a aso de mensajes y GPUs. Desarrollo de una interfaz de usuario atractiva. Utilización del software desarrollado en un entorno real.
35 Referencias [] Alba, E.: Parallel Metaheuristics: A New Class of Algorithms. Wiley Interscience, [2] Almeida, F., Cuenca, J., Giménez, D., Llanes-Castro, A., Martínez-Gallar, J.P.: A framework for the alication of metaheuristics to tasks-to-rocessors assignation roblems. Journal of Suercomuting (ublished online, Setember 2009). [3] Almeida, F., Giménez, D., Lóez-Esín, J.J.: A arameterised shared-memory scheme for arameterised metaheuristics. In: Proc. Int. Conf. CMMSE 200. áginas, está en el laboratorio [4] Almeida, F., Giménez, D., Lóez-Esín, J.J.: Comaración de metaheurísticas ara la obtención de modelos de ecuaciones simultáneas. VII Congreso Esañol sobre Metaheurísticas, Algoritmos Evolutivos y Bioinsirados, Valencia, 7-0 setiembre 200. [5] Almeida, F., Giménez, D., Lóez-Esín, J.J.: Parameterized schemes of metaheuristics: basic ideas and alications. En revisión. [6] Cuenca, J., Giménez, D., Lóez-Esín, J.J., Martínez-Gallar, J.P.: A roosal of metaheuristics to schedule indeendent tasks in heterogeneous memory-constrained systems. In: Proc. IEEE Int. Conf. on Cluster Comuting. IEEE Comuter Society, (2007). [7] Cuenca, J., Giménez, D.: Imroving Metaheuristics for Maing Indeendent Tasks into Heterogeneous Memory- Constrained Systems. ICCS (), LNCS 50, Sringer, 2008, 50, [8] Cutillas, L.G.: Metaheurística alicada a la otimización de los criterios de roducción de aguas subterráneas. Proyecto Sondea. Proyecto Final de Carrera, Universidad de Alicante, [9] Dréo, J., Pétrowski, A., Siarry, P., Taillard, E.: Metaheuristics for Hard Otimization. Sringer, [0] Glover, F., Kochenberger, G. A.: Handbook of Metaheuristics. Kluwer, [] Lóez-Esín, J.J., Giménez, D.: Genetic algorithms for simultaneous equation models. In: DCAI, (2008). [2] Raidl, G.R.: A unified view on hybrid metaheuristics. Hybrid Metaheuristics, Third International Worksho, LNCS 4030, 2006, -2.
36 Muchas gracias or su atención
Resolución de un problema de optimización de consumo eléctrico en explotación de pozos por medio de metaheurísticas parametrizadas
Resolución de un problema de optimización de consumo eléctrico en explotación de pozos por medio de metaheurísticas parametrizadas José-Matías Cutillas-Lozano, Luis-Gabino Cutillas-Lozano y Domingo Giménez
Más detallesMETAHEURÍSTICAS PARAMETRIZADAS PARALELAS APLICADAS A UN PROBLEMA
UNIVERSIDAD DE MURCIA FACULTAD DE INFORMÁTICA MÁSTER EN NUEVAS TECNOLOGÍAS EN INFORMÁTICA METAHEURÍSTICAS PARAMETRIZADAS PARALELAS APLICADAS A UN PROBLEMA DE OPTIMIZACIÓN DE COSTES EN LA EXPLOTACIÓN DE
Más detallesMetaheurísticas paralelas: optimización y aplicaciones
Metaheurísticas paralelas: optimización y aplicaciones Domingo Giménez dis.um.es/~domingo Grupo de Computación Científica y Programación Paralela luna.inf.um.es/grupo investigacion Departamento de Informática
Más detallesGrupo de Computación Científica y Programación Paralela Universidad de Murcia
Grupo de Computación Científica y Programación Paralela Universidad de Murcia http://www.um.es/pcgum/ Presentación Líneas de Investigación, Máster en Informática, Universidad de Murcia, diciembre 2013
Más detallesModelo analítico de rendimiento
AT5128 Arquitectura e Ingeniería de Comutadores II Modelo analítico de rendimiento Curso 2011-2012 AT5128 Arquitectura e Ingeniería de Comutadores II Índice Fuentes de overhead en rogramas aralelos. Métricas
Más detallesGrupo de Computación Científica y Programación Paralela
Grupo de Computación Científica y Programación Paralela Universidad de Murcia domingo@um.es http://dis.um.es/~domingo Reunión de proyecto de investigación, Valencia, 12-13 noviembre 2009 Contents 1 El
Más detallesModelado de los computadores paralelos
Modelado de los computadores paralelos Francisco Almeida, Domingo Giménez, José Miguel Mantas, Antonio M. Vidal: Introducción a la rogramación aralela, araninfo Cengage Learning, 2008 Figuras tomadas directamente
Más detallesModelado de los computadores paralelos
Modelado de los computadores paralelos Francisco Almeida, Domingo Giménez, José Miguel Mantas, Antonio M. Vidal: Introducción a la rogramación aralela, araninfo Cengage Learning, 2008 Figuras tomadas directamente
Más detallesModelos de Espera. M. En C. Eduardo Bustos Farías
Modelos de Esera M. En C. Eduardo Bustos Farías Introducción Una línea de esera es la resultante de un sistema cuando la demanda or un bien o servicio suera la caacidad que uede roorcionar dicho sistema.
Más detallesCaracterización Automática de Yacimientos Petroleros Naturalmente Fracturados de Triple Porosidad
Caracterización Automática de Yacimientos Petroleros Naturalmente Fracturados de Trile Porosidad Rodolfo Camacho, Mario Vásquez, PEMEX S. Gómez, G. Ramos, C. Minutti, UNAM CINVESTAV-2015 Objetivo: Caracterizar
Más detallesEjemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen
Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad
Más detallesMultiplicación de Matrices en Sistemas cc-numa Multicore. Autor: Jesús Cámara Moreno Director: Domingo Giménez Cánovas
Multiplicación de Matrices en Sistemas cc-numa Multicore Autor: Jesús Cámara Moreno Director: Domingo Giménez Cánovas Índice de Contenido 1. Introducción 2. Línea de Investigación 3. Sistemas Empleados
Más detallesOptimización de Rutinas Multinivel de Álgebra Lineal en Sistemas Multicore
Máster en Nuevas Tecnologías en Informática Facultad de Informática Universidad de Murcia Optimización de Rutinas Multinivel de Álgebra Lineal en Sistemas Multicore Autor: Jesús Cámara Moreno Directores:
Más detallesSoluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Alicadas a las iencias Sociales II Antonio Francisco Roldán Lóez de Hierro * onvocatoria de 2006 Las siguientes áginas contienen
Más detallesModelado de los computadores paralelos
Modelado de los computadores paralelos Francisco Almeida, Domingo Giménez, José Miguel Mantas, Antonio M. Vidal: Introducción a la rogramación aralela, araninfo Cengage Learning, 2008 Figuras tomadas directamente
Más detallesEjemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen
Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales. Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad
Más detallesVELOCIDAD DE PROPAGACION DE ONDAS SUPERFICIALES PLANAS
CI 4A HIDRAULICA DEPARTAMENTO DE INGENIERA CIIL Semestre Otoño 003 ELOCIDAD DE PROPAGACION DE ONDAS SUPERFICIALES PLANAS Consideremos un líquido en reoso con su suerficie libre a una distancia h de un
Más detallesComputación de Altas Prestaciones Sistemas computacionales
Computación de Altas restaciones Sistemas computacionales Javier Cuenca, Domingo Giménez Departamento de Informática y Sistemas Universidad de Murcia, Spain dis.um.es/~domingo Universidad de Murcia 1 Francisco
Más detallesPROCESOS DE MARKOV. Definiciones en los Procesos de Markov de Primer Orden:
ROCESOS DE MARKOV rinciio de Markov: Cuando una robabilidad condicional deende únicamente del suceso inmediatamente anterior, cumle con el rinciio de Markov de rimer Orden, es decir. X ( t ) j X () K,
Más detalles2ª PRUEBA 23 de febrero de 2018
ª PUE 3 de febrero de 8 Problema exerimental. obinas de elmholtz Modelo teórico. El camo magnético en el centro O de una bobina de N esiras circulares de radio, delgadas y aretadas, or las que circula
Más detallesPrimer curso de Ingeniero de Telecomunicación Examen de 12 de Septiembre de 2006 Primera parte
CÁLCULO Primer curso de Ingeniero de Telecomunicación Examen de 2 de Setiembre de 2 Primera arte Ejercicio. A medianoche, el barco Arrow se encuentra situado a kilómetros en dirección este del barco Blue.
Más detallesCAPÍTULO 3. OPTIMIZACIÓN NO LINEAL.
CAPÍTULO 3. OPTIMIZACIÓN LINEAL. 3.. Introducción. En el resente caítulo se describe el método de otimización no lineal con restricciones que se ha desarrollado. Un roceso de otimización consta de varias
Más detallesMODELO COMPUTACIONAL PARA LA ESTIMACIÓN DEL TAMAÑO DE FRUTAS RESUMEN
MODELO COMPUTACIONAL PARA LA ESTIMACIÓN DEL TAMAÑO DE FRUTAS F. J. Mayorano 1, A. J. Rubiales 1, V. Herrero 1,2, F. Núñez 4, A. Clausse 1,3 1 PLADEMA, Universidad Nacional del Centro, 7 Tandil, Argentina.
Más detallesUN MODELO DE COORDINACIÓN HIDROTÉRMICA DE CORTO PLAZO MEDIANTE DESCOMPOSICIÓN ANIDADA ESTOCÁSTICA DE BENDERS
UN MODELO DE COORDINACIÓN HIDROÉRMICA DE CORO PLAZO MEDIANE DESCOMPOSICIÓN ANIDADA ESOCÁSICA DE BENDERS Andrés Ramos Santiago Cerisola Universidad Pontificia Comillas Alberto Aguilera 23 2805 Madrid, Esaña
Más detallesBIOINFORMÁTICA
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Más detallesProcesamiento Digital de Imágenes
Visión or Comutadora Unidad III Procesamiento Digital de Imágenes Rogelio Ferreira Escutia Contenido 1) Oeraciones Individuales a) Transformaciones Punto a Punto b) Transformaciones de 2 Imágenes Punto
Más detallesALGORÍTMICA
ALGORÍTMICA 2012 2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detalles7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD
7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD La Distribución Binomial Esta distribución fue elaborada or Jacobo Bernoulli y es alicable a un gran número de roblemas de carácter económico y en numerosas alicaciones
Más detallesLa distribución de probabilidad de la variable aleatoria (v. a). Bernoulli, está dada por:
Distribución Bernoulli Una rueba o exerimento Bernoulli tiene uno de dos resultados mutuamente excluyentes, que generalmente se denotan S (éxito) y F (fracaso). Por ejemlo, al seleccionar un objeto ara
Más detallesAnálisis de Componentes principales -PCA-
Análisis de Comonentes rinciales -PCA- PCA en Teledetección... 1 La idea general... 1 El método...2 La interretación...5 Que es? El PCA constituye un rocedimiento matemático que ermite transformar un número
Más detallesAutooptimización en esquemas paralelos iterativos
Autooptimización en esquemas paralelos iterativos Autor: Juan Pedro Martínez Gallar Directores: Domingo Giménez Cánovas Universidad de Murcia Francisco Almeida Rodríguez Universidad La Laguna 1 ÍNDICE
Más detallesLusitania. Pensando en Paralelo. César Gómez Martín
Lusitania Pensando en Paralelo César Gómez Martín cesar.gomez@cenits.es www.cenits.es Esquema Introducción a la programación paralela Por qué paralelizar? Tipos de computadoras paralelas Paradigmas de
Más detallesTema 3. La utilidad y la elección. Microeconomía Intermedia 2011/12. Tema 3 1
Tema 3 La utilidad y la elección Microeconomía Intermedia /. Tema 3 . La función de utilidad. La utilidad marginal 3. La utilidad marginal y la relación marginal de sustitución 4. La elección ótima Microeconomía
Más detallesTema 1. Cinemática de partícula
Tema 1. Cinemática de artícula Cinemática de artícula Tema 1 1. Introducción. Vectores osición, velocidad y aceleración 3. 4. Método gráfico en movimiento rectilíneo 5. de varias artículas Mecánica II
Más detallesDiseño de controladores
Diseño de controladores DISEÑO DE CONTROLADORES Definir objetivos de control sobre el sistema: seguimiento de consigna. buen comortamiento ante erturbaciones. Imortante conocer: erturbaciones del sistema.
Más detallesDINAMICA DE OBJETOS EN SISTEMAS PLANETARIOS
DINAMICA DE OBJETOS EN SISTEMAS PLANETARIOS José Jacobo Gámez () Silvia M. Fernández () Resumen Para la búsqueda de orbitas eriódicas en sistemas lanetarios, se lantea un modelo de tres cueros, restringido
Más detallesModelado y autooptimización en esquemas paralelos de backtracking
Modelado y autooptimización en esquemas paralelos de backtracking Manuel Quesada y Domingo Giménez Universidad de Murcia XX Jornadas de Paralelismo A Coruña, 18 Sept 2009 Índice 1 Introducción 2 Técnica
Más detallesJUEGOS ESTÁTICOS T. 4 VARIABLE CONTINUA Y APLICACIONES ECONÓMICAS. Universidad Carlos III de Madrid
JUEGOS ESTÁTICOS T. 4 VARIABLE CONTINUA Y APLICACIONES ECONÓMICAS Universidad Carlos III de Madrid VARIABLE CONTINUA n En muchos juegos las estrategias uras que ueden elegir los jugadores no son, 3 o cualquier
Más detallesEvolución de un modelo de Planificación Forestal
Evolución de un modelo de Planificación Forestal Evolución de un modelo de Planificación Forestal Gómez Núñez, Trinidad a (trinidad@uma.es) Hernández Huelin, Mónica a (m_huelin@uma.es) Molina Luque, Julián
Más detallesALTERNATIVAS AL GRÁFICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN
ISSN 007-197 ALTERNATIVAS AL GRÁICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN Ana María Islas Cortes Instituto Politécnico Nacional, ESIT amislas@in.mx Gabriel Guillén Buendia Instituto Politécnico
Más detallesEJERCICIOS COMPLEMENTARIOS DEL MÓDULO 6
EJERCICIOS COMPLEMENTARIOS DEL MÓDULO 6 EJERCICIO 1: De los siguientes conjuntos, decid si son abiertos o cerrados, y acotados o no acotados. Hay alguno que sea comacto? Y coneo? (a) [ 1,] (b) [5,1) (c)
Más detallesParte II. Teoría a del Consumidor
Parte II. Teoría a del Consumidor Tema 2: La conducta de los consumidores Tema 3: Teoría de la demanda Tema 4: El modelo de elección intertemoral. Parte I. Teoría a del Consumidor Tema 2: La conducta de
Más detallesMECÁNICA DE SÓLIDOS. Tema 3 Plasticidad
MECÁNICA DE SÓLIDOS Curso 17/18 Titulación: Grado en Ingeniería Mecánica Tema Plasticidad Profesores: Jorge Zahr Viñuela José Antonio Rodríguez Martínez Tema Plasticidad.1 CUESTIONES PREVIAS. CRITERIOS
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE
PROCESO DE COORDINACIÓN DE LAS ENSEÑANZAS PR/CL/001 ASIGNATURA 103000361 - PLAN DE ESTUDIOS 10AJ - CURSO ACADÉMICO Y SEMESTRE 2017-18 - Primer semestre Índice Guía de Aprendizaje 1. Datos descriptivos...1
Más detallesAnálisis de Capacidad portante vertical en un pilote simple
Manual de Ingeniería No. 13 Actualización: 06/2016 Análisis de Caacidad ortante vertical en un ilote simle Programa: Archivo: Pilote Demo_manual_13.gi El objetivo de este caítulo es exlicar la alicación
Más detallesANÁLISIS DE SENSIBILIDAD DE SISTEMAS ALGEBRAICOS DIFERENCIALES
Mecánica Comutacional Vol XXV,. 171-185 Alberto Cardona, Norberto Nigro, Victorio Sonzogni, Mario Storti. (Eds.) Santa Fe, Argentina, Noviembre 6 ANÁLISIS DE SENSIBILIDAD DE SISEMAS ALGEBRAICOS DIFERENCIALES
Más detalles( ) = = ( ) ( ) 1 = La probabilidad de que no ocurra ninguno de los dos es la probabilidad de la intersección de los complementarios ó contrarios.
CUESTONES. Sean y B dos sucesos con (0,5, (B0, y ( B0,. Calcular las siguientes robabilidades (, (, ( B, (. B B B B ( ( B 0' B B 0' ( B ( B ( B ( B ( B B ( B B ( B B 0' 0'5 + 0' 0' 7 B B B ( ( B ( B (
Más detallesArquitecturas de Altas Prestaciones y Supercomputación
Arquitecturas de Altas Prestaciones y Supercomputación Presentación del itinerario Julio de 2014 Arquitecturas de Altas Prestaciones y Supercomputación Julio de 2014 1 / 15 Agenda Introducción 1 Introducción
Más detallesINSTITUTO COLOMBIANO PARA EL FOMENTO DE LA EDUCACIÓN SUPERIOR -ICFES- SUBDIRECCIÓN ACADÉMICA. Grupo de Evaluación de la Educación Básica y Media
INSTITUTO COLOMBIANO ARA EL FOMENTO DE LA EDUCACIÓN SUERIOR -ICFES- SUBDIRECCIÓN ACADÉMICA Gruo de Evaluación de la Educación Básica y Media QUÉ ES Y CÓMO SE CALIFICA EL EXAMEN DE VALIDACIÓN DEL BACHILLERATO
Más detallesCapítulo 4 MAXIMIZACIÓN DE LA UTILIDAD Y ELECCIÓN
Caítulo 4 MAXIMIZACIÓN DE LA UTILIDAD Y ELECCIÓN 1 Críticas a los Métodos Económicos Se dice a veces que ningún individuo real hace el tio de cálculos requeridos ara una maximización de la utilidad El
Más detallesSLAM Visual Puro. José Neira Universidad de Zaragoza.
SLAM Visual Puro José Neira Universidad de Zaragoza jneira@unizar.es htt://webdiis.unizar.es/~neira/ 1 Indice 1.El roblema de SLAM 2.EKF SLAM 3.SLAM visual uro Monocular Estéreo 4.Persectiva 2 1. El roblema
Más detallesPalabras Claves: Viga Tirante Análisis - Dimensionado
Bellagio: a Viga Atirantada a Viga Atirantada Carlos Bellagio cbellg@arnet.com.ar Resumen En este trabajo nos roonemos analizar el comortamiento de la viga atirantada, estructura constituida or una viga
Más detalles9. Programación lineal entera.
9. rogramación lineal entera. Introducción Método de ramificación y poda rogramación lineal entera Un problema de programación entera es aquel en el que alguna o todas sus variables deben tomar valores
Más detallesDivide y Vencerás Programación Dinámica
Metodología de la Programación Paralela Facultad Informática, Universidad de Murcia Esquemas algorítmicos paralelos: Divide y Vencerás Programación Dinámica Domingo Giménez (Universidad de Murcia) 1 /
Más detallesDiscrete Automation and Motion, Drives & Control Drive ABB para bombeo solar ACS355 + N827 Guía de selección de equipos
Discrete Automation and Motion, Drives & Control Drive ABB para bombeo solar ACS355 + N827 Guía de selección de equipos 06 de noviembre de 2014 Slide 1 Drive ABB para bombeo solar, ACS355 Contenido Conceptos
Más detallesResumen de campos y Corrientes
Resumen de camos y Corrientes Algunas alicaciones Resumen del camo electrostático La materia está comuesta or cargas ositivas y negativas. Las odemos oner de manifiesto or frotamiento (Triboelectricidad)
Más detallesf (x; y) = a) Calcula la derivada direccional en el punto (1; 1) y en la dirección del vector! v = (2; 2).
Ejercicios de clase Ejercicio. Dada la función f (x; y) xy + x + y. a) alcula la derivada direccional en el unto (; ) y en la dirección del vector v ;. b) En qué dirección crece la función f lo más ráidamente
Más detallesParalelización de problemas de recorrido de árboles Trabajadores replicados y esquema maestro esclavo
Metodología de la Programación Paralela 2015-2016 Facultad Informática, Universidad de Murcia Esquemas algorítmicos paralelos: Paralelización de problemas de recorrido de árboles Trabajadores replicados
Más detallesProgramación Gráfica de Altas Prestaciones
rogramación Gráfica de Altas restaciones lataformas de altas prestaciones para Infomática Gráfica. Máster de Desarrollo de Software Depto. de Lenguajes y Sistemas Informáticos lsi.ugr.es/~jmantas/ga 1.
Más detalles- Nombre del documento: Apellido_1_Apellido_2_Nombre_PEC2.pdf.
Sistemas de Comunicaciones I T207-PEC2 Consultor: Francesc Tarrés Fecha entrega: 27 de noviembre de 208 Normas de entrega - Entregar referiblemente un documento en PDF y comrobar que todas las ecuaciones
Más detallesModelos predictivos y de optimización de estructuras de hormigón
http://optimizacionheuristica.blogs.upv.es 1 Modelos predictivos y de optimización de estructuras de hormigón Dr. Ing. Víctor Yepes Piqueras Departamento de Ingeniería de la Construcción y Proyectos de
Más detallesPRÁCTICA NÚMERO 4. ESTUDIO DE UN CIRCUITO RLC AMORTIGUADO.
PRÁCTICA NÚMERO 4. ESTUDIO DE UN CIRCUITO RLC AMORTIGUADO. 4.. Análisis Teórico del Circuito RLC. Antes de roceder al montaje exerimental y estudio del circuito realizaremos aquí un estudio teórico del
Más detallescuevogenet Paralelización en CUDA de la Dinámica Evolutiva de Redes Génicas Dirigido por: Fernando Díaz del Río José Luis Guisado Lizar
cuevogenet Paralelización en CUDA de la Dinámica Evolutiva de Redes Génicas Realizado por: Raúl García Calvo Dirigido por: Fernando Díaz del Río José Luis Guisado Lizar Objetivos Implementar un algoritmo
Más detallesNociones básicas de computación paralela
Nociones básicas de computación paralela Javier Cuenca 1, Domingo Giménez 2 1 Departamento de Ingeniería y Tecnología de Computadores Universidad de Murcia 2 Departamento de Informática y Sistemas Universidad
Más detallesExamen convocatoria Ordinaria 2010/2011 ELECTRÓNICA DE COMUNICACIONES. Ingeniería de Telecomunicación
Examen convocatoria Ordinaria 2010/2011 ELECTRÓNICA DE COMUNICACIONES Ingeniería de Telecomunicación Aellidos Nombre N o de matrícula o DNI Gruo Firma Electrónica de Comunicaciones Examen. Convocatoria
Más detallesUna Versión de ACO para Problemas con Grafos de. muy Gran Extensión. Enrique Alba y Francisco Chicano. Introducción. ACOhg.
1/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 Una Versión de ACO para s con Grafos de muy Gran Extensión Enrique Alba y Francisco Chicano Puerto de La Cruz, Tenerife, España, 14
Más detallesModelación del fenómeno de Consolidación Unidimensional por diferencias finitas mediante el CAS libre SAGE y su comparación con PLAXIS
Modelación del fenómeno de Consolidación Unidimensional or diferencias finitas mediante el CAS libre SAGE y su comaración con PLAXIS Wilson RODRÍGUEZ CALDERÓN Programa de Ingeniería Civil Universidad de
Más detallesANEXO 1. RESOLUCIÓN DE PROBLEMAS DE SIMULACIÓN Y OPTIMIZACIÓN CON RISK SOLVER PLATFORM
ANEXO 1. RESOLUCIÓN DE PROBLEMAS DE SIMULACIÓN Y OPTIMIZACIÓN CON RISK SOLVER PLATFORM La definición del un modelo de resolución en Risk Solver Platform de Excel no tiene porque resultar una tarea complicada.
Más detallesC 1 (UM/hora) = P G1 + 0,003 P G1. C 2 (UM/hora) = P G2 + 0,004P G2. P pérdidas (MW) = 0,0001. (P G1 + P G2-50) 2
Fecha:_junio 09 Código aignatura: 5437 Rellene todo u dato, con el DNI. El tiemo total ara la reolución del examen e de hora. Se ermite el uo de calculadora no rogramable. Entregue la hoja del enunciado
Más detallesParalelismo. MPI Paso de mensajes. Francisco García Sánchez Departamento de Informática y Sistemas
Paralelismo MPI Paso de mensajes Francisco García Sánchez Departamento de Informática y Sistemas Contenido Introducción 1) Uso de MPI 2) Multiplicación de matrices 3) Ordenación por mezcla 4) Programación
Más detallesTeoría del valor extremo como criterio de parada en la optimización heurística de bóvedas de hormigón estructural
VII Congreso Español sobre Metaheurísticas, Algoritmos Evolutivos y Bioinspirados MAEB 2010 Valencia, 8-10 Septiembre 2010 Teoría del valor extremo como criterio de parada en la optimización heurística
Más detallesSon una clase particular de los algoritmos evolutivos.
Algoritmos Genéticos (AGs) Los AGs son técnicas de resolución para problemas de Búsqueda Optimización Aprendizaje en máquinas Son una clase particular de los algoritmos evolutivos. Los AGs intentan resolver
Más detallesMicroeconomía I. Doctorado en Economía, y Maestría en T. y P. Económica Avanzada FACES, UCV. Prof. Angel García Banchs
Doctorado en Economía Maestría en T. P. Económica Avanzada FACES UCV Microeconomía I Prof. Angel García Banchs contact@angelgarciabanchs.com Clase/Semana 9 Teoría de la oferta roductiva Hasta ahora hemos
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cuerpos cuadráticos
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS EAP DE MATEMÁTICA PURA Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cueros cuadráticos Caítulo
Más detallesComparación de dos medidas de la eficiencia de algoritmos paralelos
International Conference on Industrial Engineering & Industrial Management - CIO 2007 1343 Comparación de dos medidas de la eficiencia de algoritmos paralelos José Miguel León Blanco, José Manuel Framiñán
Más detallesOptimización del framework de paralelización de tareas COMPSs
Optimización del framework de paralelización de tareas COMPSs Autor: Gabriel Reus Rodríguez Consultor: Ivan Rodero Enero 2015 Universitat Oberta de Catalunya Índice Introducción Qué es COMPSs? Objetivos
Más detallesAnálisis Económico ISSN: Universidad Autónoma Metropolitana Unidad Azcapotzalco. México
nálisis Económico ISSN: 185-3937 analeco@correo.azc.uam.mx Universidad utónoma Metroolitana Unidad zcaotzalco México utiérrez Fernández, osé lejandro La estabilidad financiera de las entidades económicas
Más detallesInteligencia Artificial
Algoritmos genéticos Bases En la naturaleza todos los seres vivos se enfrentan a problemas que deben resolver con éxito, como conseguir más luz solar o conseguir comida. La Computación Evolutiva interpreta
Más detallesTEMA 1: PROCESADORES SEGMENTADOS
EMA : PROCESADORES SEGMENADOS. Diferencias entre rocesadores RISC y rocesadores CISC. PROCESADOR CISC: Comlex Instruction Set Comuter. Los rocesadores fueron dotados de conjuntos de instrucciones muy otentes
Más detallesMetaheurísticas. Seminario 3. Problemas de optimización con técnicas basadas en poblaciones
Metaheurísticas Seminario 3. Problemas de optimización con técnicas basadas en poblaciones 1. Estructura de un Algoritmo Genético/Memético y Aspectos de Implementación 2. Problemas de Optimización con
Más detallesModelado experimental de un Motor DC real
Modelado exerimental de un Motor DC real Félix Monasterio-Huelin y Álvaro Gutiérrez 3 de abril de 206 Índice Índice Índice de Figuras Introducción al modelado exerimental de un motor DC 3 2 Algoritmo ara
Más detallesALGORITMOS GENÉTICOS. En lugar de envidiar la naturaleza debemos emularla Holland
ALGORITMOS GENÉTICOS En lugar de envidiar la naturaleza debemos emularla Holland Algoritmos genéticos Algoritmos basados en los principios de la evolución natural Se utilizan en problemas donde no se pueden
Más detallesMANUEL L. SOSA 1, ENRIQUE R. CHAPARRO 2. s:
AJUSE OORDINADO DE ONROLADORES DEL SISEMA DE EXIAIÓN DE GENERADORES Y DE OMPENSADORES ESÁIOS DE REAIVOS USANDO MEAHEURÍSIA PARA MEJORAR LA ESABILIDAD ANGULAR Y DE ENSIÓN MANUEL L. SOSA, ENRIQUE R. HAPARRO
Más detallesConceptes fonamentals de xarxes de computadors. Un enfocament analític. J.M. Barceló, Ll. Cerdà, J. García.
Concetes onamentals de xarxes de comutadors. Un enocament analític. J.M. Barceló, Ll. Cerdà, J. García. Temario: Cadenas de Markov y teoría de colas. Ll. Cerdà, 9 horas. Traic models. J.M. Barceló, 6 horas.
Más detallesCONCLUSIONES Y FUTURAS LINEAS DE INVESTIGACIÓN
CONCLUSIONES Y FUTURAS LINEAS DE INVESTIGACIÓN 9 279 Sistema de generación eléctrica con pila de combustible de óxido sólido alimentado con residuos forestales y su optimización mediante algoritmos basados
Más detallesDiseño aerodinámico de un rotor para una turbina eólica de 30 kw
al DE SEPTIEMBRE DE 7 CUERNAVACA, MORELOS, MÉXICO Tema A4a Termofluidos: Aerodinámica Diseño aerodinámico de un rotor ara una turbina eólica de 3 kw Alejandro González Canales, Isaac Hernández Arriaga,
Más detallesALGORÍTMICA
ALGORÍTMICA 2012-2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesREDUCCION DE LOS GASTOS DE ENERGIA POR LA DESCARGA DE AIRE DE LA CANERIAS. Por el Prof. M. Tarshish
1 REDUCCION DE LOS GASTOS DE ENERGIA POR LA DESCARGA DE AIRE DE LA CANERIAS Por el Prof. M. Tarshish Este documento trata de analizar la érdida de energía relacionada con grandes bolsillos de aire que
Más detallesSEGUNDA PRUEBA. 26 de febrero de 2010 INSTRUCCIONES. Esta prueba consiste en la resolución de un problema de tipo experimental
SEGUNDA PRUEBA 6 de febrero de 010 : INSTRUCCIONES Esta rueba consiste en la resolución de un roblema de tio exerimental Razona siemre tus lanteamientos No olvides oner tus aellidos, nombre y datos del
Más detalles1. LÍMITE DE UNA FUNCIÓN REAL
CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS PROGRAMA: INGENIERIAS DE SISTEMAS Y CIENCIAS ADMINISTRATIVAS ACTIVIDAD ACADEMICA: CÁLCULO DIFERENCIAL DOCENTE:
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 11 Nombre: Regresión y correlación múltile Contextualización En la sesión anterior se resentó la regresión lineal simle y se mostró su uso en la obtención de una ecuación
Más detallesFundamentos de programación C++
Pág. N. 1 Fundamentos de programación C++ Familia: Editorial: Autor: Computación e informática Macro Ricardo Walter Marcelo Villalobos ISBN: 978-612-304-235-6 N. de páginas: 280 Edición: 2. a 2014 Medida:
Más detallesESQUEMA DE PARALELIZACIÓN PARA LA SIMULACIÓN DE REDES DE GASODUCTOS EN ESTADO ESTACIONARIO Y TRANSITORIO
ESQUEMA DE PARALELIZACIÓN PARA LA SIMULACIÓN DE REDES DE GASODUCTOS EN ESTADO ESTACIONARIO Y TRANSITORIO Carlos F. Torres-Monzón ctorres@ula.ve Laboratorio de Turbomáquinas, Facultad de Ingeniería, Universidad
Más detallesAspectos computacionales de la resolución y obtención de Modelos de Ecuaciones Simultáneas
Aspectos computacionales de la resolución y obtención de Modelos de Ecuaciones Simultáneas Espín dirigida por: Domingo Giménez diciembre de 2009 Esquema 1 Introducción 2 Descripción Teórica 3 MC2E basado
Más detallesCOMPARACIÓN DE MODELOS DE SINCRONIZACIÓN EN PROGRAMACIÓN PARALELA SOBRE CLUSTER DE MULTICORES
COMPARACIÓN DE MODELOS DE SINCRONIZACIÓN EN PROGRAMACIÓN PARALELA SOBRE CLUSTER DE MULTICORES Autor: A.P.U. Enzo Rucci Director: Ing. Armando E. De Giusti Co-Director: Lic. Franco Chichizola Tesina de
Más detallesCONTROL BÁSICO. Sistemas de Control Realimentados. Coeficientes estáticos de error. Facultad de Ingeniería - UNER. Asignaturas: Control Básico 1
CONTROL BÁSICO TEMAS: - Diseño de reguladores en bucle cerrado or método frecuencial Facultad de Ingeniería UNER Carrera: Bioingeniería Planes de estudios: 2008 y 993 Sistemas de Control Realimentados
Más detallesAlgoritmos en Árbol y Grafo Computación Pipeline
Metodología de la Programación Paralela 2015-2016 Facultad Informática, Universidad de Murcia Esquemas algorítmicos paralelos: Algoritmos en Árbol y Grafo Computación Pipeline Domingo Giménez (Universidad
Más detalles