Aplicaciones a Problemas Científicos y Tecnológicos.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Aplicaciones a Problemas Científicos y Tecnológicos."

Transcripción

1 Aplicaciones a Problemas Científicos y Tecnológicos. Miguel Cárdenas Montes Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain de Octubre de 2012

2 Temario del Curso Temario Introducción a la Computación Evolutiva. Aplicaciones a Problemas Científicos y Tecnológicos. Algoritmos Genéticos. Algoritmos Basados en Evolución Diferencial. EDA - PBIL. Algoritmos Evolutivos para Problemas Multiobjetivo. Modelos Basados en Adaptación Social: abejas, hormigas y enjambres.

3 1 Tabla de Contenidos 2 Tabla de Contenidos Tipos de problemas Ejemplos de problemas 6

4 Ejemplos de usos de los Algoritmos Evolutivos Son numerosos los congresos científicos donde aparece artículos donde se conjuga un problema científico o tecnológico con un algoritmo evolutivo. Normalmente los resultados de esta hibridación son altamente satisfactorios. Sin embargo, el uso de EA queda bastante restringido a los algoritmos más conocidos (y antiguos), principalmente GA. En cualquier caso, la utilización de EA para la búsqueda de soluciones en problemas científicos y tecnológicos es campo abierto a nuevas contribuciones, cuya única dificultad es poner de acuerdo a personal de diferentes áreas.

5

6 La Conjetura de Bateman La Conjetura de Bateman m p1 i = i=0 n p j 2 (1) j=0 Una única coincidencia conocida 31 = 4 m=0 2m = = 2 n=0 5n = (2)

7 La exploración previa Un trabajo previo a esta exploración sistemática fue realizada por los autores [1] para los números primos menores que 15,000,000 (hasta 14,999,981), con un total de 11,325 trabajos y 16,957 CPU-horas. Este no es más que un problema de barrido de parámetros usando como parámetros los números primos y las potencias. Además es un estudio de fuerza bruta que necesita una aproximación más inteligente.

8 Problemas de la exploración por fuerza bruta Dificultades El problema consume mucha CPU. El consumo de CPU se incrementa con la exploración de números primos más altos. El número de trabajos necesarios para finalizar cada serie crece linealmente. Y el número de trabajos necesarios para finalizar el trabajo es infinito. En este escenario hay un riesgo extra, el fallo de un trabajo arruina la serie entera.

9 Problemas de la exploración por fuerza bruta Alternativas Como alternativa a la exploración sistemática se propone atacar el problema con Particle Swarm Optimization, PSO [2]. PSO debe proporcionarnos soluciones óptimas (más coincidencias en el caso que existan) evitando la exploración de todo el espacio de soluciones. A priori cualquier tipo de técnica bio-inspirada debería ser válida.

10 Función objetivo Conjectura de Bateman m p1 i = i=0 n p j 2 (3) j=0 Función objetivo implementada m n Fitness = p1 i p j 2 (4) i=0 j=0

11 Parámetros Producción La producción final fue ejecutada con el mejor conjunto de parámetros encontrados, lo que hizo necesaria una preproducción previa. Tamaño de la población, 100 individuos, V max = 5 y c 1 = c 2 = 2. Número de ciclos: 50,000. Datos El área explorada fue la comprendida con los primos menores que 1,000,000 y potencia hasta 40. 2,000 jobs y 1735 CPU-horas fueron invertidas.

12 Resultados Se encontraron más coincidencias?

13 Resultados Se encontraron más coincidencias? I Still Haven t Found What I m Looking For U2 Copyright No se encontraron más coindicencias.

14 Conclusiones Conclusiones El algoritmo PSO ha probado ser muy apropiado para el problema. A pequeña escala era capaz de encontrar la única coincidencia conocida; sin embargo no se encontraron nuevas coincidencias.

15

16 Curva de Rotación de una Galaxia I La curva de rotación de una galaxia se refiere a las variaciones de la velocidad orbital de las estrellas en relación a la distancia r al centro de la galaxia. La forma de la curva de rotación de la galaxia es normalmente interpretada en términos de un equilibio entre las aceleraciones centrífuga y gravitatoria. v 2 (r) = r Φ r

17 Curva de Rotación de una Galaxia II Cuatro contribuciones son tenidas en cuenta para modelar estas curvas: (a) el componente del Bulbo, (b) el componente del Disco, (c) el componente del Gas interestelar,(a) el componente del Halo. Φ(r) = Φ B (r) + Φ D (r) + Φ G (r) + Φ H (r) Esta suma lineal implica que las correspondientes contribuciones a la velocidad total se suman como cuadrados: v 2 (r) = v 2 B (r) + v2 D (r) + v2 G (r) + v2 H (r)

18 Curva de Rotación de una Galaxia III En la práctica la contribución de la velocidad debido al Halo se puede modelar con la ecuación 5. Los autores modelan los datos experimentales de NCG 6946 a la ecuación 5 con un algoritmo genético. vh 2 (r) = 2 σ2 (1 ( r α ) arctang(α )) (5) r

19 Curva de Rotación de una Galaxia IV Función objetivo implementada: χ 2 = N i=1 ( y simulada y real σ i ) 2 (6) En cualquier problema de ajuste de puntos a una curva teórica por un método evolutivo, la función objetivo debe ser similar a χ 2, ecuación 6.

20 Curva de Rotación de una Galaxia V Ajuste de la curva de rotación de NCG 6946 mediante un algoritmo genético con 100 individuos y 100 generaciones. La galaxia NCG 6946 no tiene contribución del bulbo. Ajuste de los parametros que forma la ecuación 5: σ y α; más un término que engloba la contribución de los otros términos: Disco y Gas. 3 parámetros a ajustar en el EA.

21 Curva de Rotación de muchas Galaxias y PSO

22 y ahora qué? Ahora estamos tratando de crear una curva de rotación de galaxias (sin significado físico) que ajuste bien para unas 60 galaxias; unos 1500 puntos. El problema está siendo abordado con PSO, y el ajuste inicial con polinomios de Legendre de grado 50. No ha dado los resultados esperados. Se probrará con funciones alternativas. Como función objetivo se ha propuesto χ 2 con los puntos simulados, los puntos reales y los errores experimentales.

23 Tipos de problemas Ejemplos de problemas

24 Tipos de problemas Ejemplos de problemas Tipos de problemas En ciencia nos encontramos con dos tipos fundamentales de problemas: Problemas de optimización de funciones continuas. Más ejemplos a lo largo del curso. En esta categoría se incluiría el ajuste de puntos a una curva. Problemas combinatorios. Estos problemas son menos frecuentes, pero pueden aparece en diseño de instrumentación. Otros ejemplos: la planificación de tareas y horarios, el problema del viajante de comercio.

25 Tipos de problemas Ejemplos de problemas Problema de optimización de funciones continuas f = D D [(x i ) 2 ]+[ ( i D 2 x i)] 2 +[ ( i 2 x i)] 4 (7) i=1 i=1 i=1 Optimización de la función anterior para dimensiones en el rango [ 5.12, 5.12].

26 Tipos de problemas Ejemplos de problemas Problema de la Mochila maximizar n i=1 v i x i sujeto a n i=1 w i x i W ; x i ǫ 0,1 (8) n es el número de tipos de objetos, cada objeto i tiene un valor v i y un peso w i. W es el peso máximo admitido. Todos los valores anteriores son positivos.

27 Tipos de problemas Ejemplos de problemas Problema de la Mochila fitness(x,v,w,w) = n v i x i p(x,w,w) (9) i=1 { 0 si ( n p(x,w,w) = i=1 w i x i W) 10 ( n i=1 w i x i W) donde p(x,w,w) es una penalización.

28 Tipos de problemas Ejemplos de problemas Problema de la Mochila 4 Configuraciones ejemplo para el problema. W Mejor Objetos w = (18,42,88,3) v = (114,136,192,223) w = (27,2,41,1,25,1,34,3,50,12) v = (38,86,112,0,66,97,195,85,42,223) w = (40,1,10,24,11,26,4,2,34,6,5,9,20,19,42,18,37,21, 3,31,43,45,35,30,7) v =(124,197,58,228,235,128,252,212,52,156,170,84, 69,12,144,222,21,227,225,239,37,103,113,216,179) w = (31,4,27,1,18,8,5,7,21,3,2,20,15,10,9,23,12, 6,39,34,17,28,14,32,25,42,16,19,37,49,11,47,44, 26,33,43,36,35,13,29) v = (239,240,158,110,27,12,170,82,163,228,202,100, 177,56,82,118,221,174,134,241,30,33,206,1,34,204,218, 65,198,163,11,115,210,207,144,138,5,252,156,197)

29 Tipos de problemas Ejemplos de problemas Monalisa

30 Tipos de problemas Ejemplos de problemas Estudios Pácticos en CIEMAT: Fusión Antonio Gómez-Iglesias, Francisco Castejón, Miguel A. Vega-Rodríguez: Distributed Bees Foraging-Based Algorithm for Large-Scale Problems. IPDPS Workshops 2011: Antonio Gómez-Iglesias, Miguel A. Vega-Rodríguez, Francisco Castejón, Miguel Cárdenas Montes: Distributed and Asynchronous Bees Algorithm Applied to Nuclear Fusion Research. PDP 2011: Antonio Gómez-Iglesias, Miguel A. Vega-Rodríguez, Francisco Castejón, Enrique Morales-Ramos, Miguel Cárdenas Montes, José M. Reynolds: Grid-based metaheuristics to improve a nuclear fusion device. Concurrency and Computation: Practice and Experience 22(11): (2010)

31 Tipos de problemas Ejemplos de problemas Estudios Pácticos en CIEMAT: Fusión Antonio Gómez-Iglesias, Miguel A. Vega-Rodríguez, Francisco Castejón, Miguel Cárdenas Montes, Enrique Morales-Ramos: Artificial Bee Colony Inspired Algorithm Applied to Fusion Research in a Grid Computing Environment. PDP 2010: Antonio Gómez-Iglesias, Miguel A. Vega-Rodríguez, Francisco Castejón-Magaa, Miguel Cárdenas Montes, Enrique Morales-Ramos: Evolutionary computation and grid computing to optimise nuclear fusion devices. Cluster Computing 12(4): (2009) Antonio Gómez-Iglesias, Miguel A. Vega-Rodríguez, Francisco Castejón-Magaa, Miguel Cárdenas Montes, Enrique Morales-Ramos: Grid-Enabled Mutation-Based Genetic Algorithm to Optimise Nuclear Fusion Devices. EUROCAST 2009: Antonio Gómez-Iglesias, Miguel A. Vega-Rodríguez, Miguel Cárdenas Montes, Enrique Morales-Ramos, Francisco Castejón-Magaa: Grid-Oriented Scatter Search Algorithm.

32 Tipos de problemas Ejemplos de problemas Estudios Pácticos en CIEMAT: Cifrado de Imagenes Juan José Rodríguez-Vázquez, Sixto Romero-Sánchez, Miguel Cárdenas Montes: Speeding Up a Chaos-Based Image Encryption Algorithm Using GPGPU. EUROCAST (1) 2011:

33 Tipos de problemas Ejemplos de problemas Estudios Pácticos en CIEMAT: Multiobjetivos María Arsuaga-Ríos, Francisco Prieto Castrillo, Miguel A. Vega-Rodríguez: Small-World Optimization Applied to Job Scheduling on Grid Environments from a Multi-Objective Perspective. EvoApplications 2012: María Arsuaga-Ríos, Francisco Prieto Castrillo, Miguel A. Vega-Rodríguez: Multiobjective Optimization Comparison - MOSWO vs MOGSA - for Solving the Job Scheduling Problem in Grid Environments. ISPA 2012:

34 Tipos de problemas Ejemplos de problemas Estudios Pácticos en CIEMAT: Astrofísica Miguel Cárdenas Montes, Miguel A. Vega-Rodríguez, Juan José Rodríguez-Vázquez, Antonio Gómez-Iglesias: Adjustment of Observational Data to Specific Functional Forms Using a Particle Swarm Algorithm and Differential Evolution: Rotational Curves of a Spiral Galaxy as Case Study. Astrostatistics and Data Mining

35 Tipos de problemas Ejemplos de problemas Estudios Teóricos en CIEMAT Miguel Cárdenas Montes, Miguel A. Vega-Rodríguez, Antonio Gómez-Iglesias: Real-World Problem for Checking the Sensitiveness of Evolutionary Algorithms to the Choice of the Random Number Generator. HAIS (1) 2012: Miguel Cárdenas Montes, Miguel A. Vega-Rodríguez, Juan José Rodríguez-Vázquez, Antonio Gómez-Iglesias: GPU-Based Evaluation to Accelerate Particle Swarm Algorithm. EUROCAST (1) 2011: Miguel Cárdenas Montes, Miguel A. Vega-Rodríguez, Juan José Rodríguez-Vázquez, Antonio Gómez-Iglesias: GPU-Based Evaluation to Accelerate Particle Swarm Algorithm. EUROCAST (1) 2011:

36 Tipos de problemas Ejemplos de problemas Estudios Teóricos en CIEMAT Miguel Cárdenas Montes, Miguel A. Vega-Rodríguez, Juan José Rodríguez-Vázquez, Antonio Gómez-Iglesias: Effect of the Block Occupancy in GPGPU over the Performance of Particle Swarm Algorithm. ICANNGA (1) 2011: Miguel Cárdenas Montes, Miguel A. Vega-Rodríguez, Antonio Gómez-Iglesias: Sensitiveness of Evolutionary Algorithms to the Random Number Generator. ICANNGA (1) 2011: Miguel Cŕdenas Montes, Miguel A. Vega-Rodríguez, Juan Jos Rodríguez-Vázquez, Antonio Gómez-Iglesias: Accelerating Particle Swarm Algorithm with GPGPU. PDP 2011:

37 Tipos de problemas Ejemplos de problemas Resumen Muchos ejemplos de aplicación de EA a problemas relacionados con las ciencias computacionales, pero menor número de ejemplo en la aplicación a otras áreas. En cualquier caso, los resultados suelen ser espectaculares y difícilmente alcanzable por otros métodos.

38 [1] Montes, M.C., Vega-Rodríguez, M.A., del Solar, M.R., Gómez-Iglesias, A., Morales-Ramos, E.: Bateman conjecture s exploration on grid computing. In: Ibergrid, Netbiblo (2008) [2] Montes, M.C., Vega-Rodríguez, M.A., Gómez-Iglesias, A., Morales-Ramos, E.: Exploration of the conjecture of bateman using particle swarm optimization and grid computing. In: ISPDC, IEEE Computer Society (2009)

39 Gracias Gracias Preguntas? Más preguntas?

Algoritmos Genéticos.

Algoritmos Genéticos. Algoritmos Genéticos. Miguel Cárdenas Montes, Antonio Gómez Iglesias Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain miguel.cardenas@ciemat.es 15-19 de Octubre de 2011

Más detalles

BIOINFORMÁTICA 2013-2014

BIOINFORMÁTICA 2013-2014 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 detalles

Optimización inspirada en la naturaleza

Optimización inspirada en la naturaleza Optimización inspirada en la naturaleza Efrén Mezura-Montes Laboratorio Nacional de Informática Avanzada (LANIA AC) Xalapa, Veracruz, MEXICO emezura@lania.mx http://www.lania.mx/~emezura 10ª feria de Posgrados

Más detalles

LOCALIZACIÓN ÓPTIMA DE DISPOSITIVOS FACTS EN SISTEMAS DE TRANSMISIÓN USANDO ENJAMBRE DE PARTÍCULAS

LOCALIZACIÓN ÓPTIMA DE DISPOSITIVOS FACTS EN SISTEMAS DE TRANSMISIÓN USANDO ENJAMBRE DE PARTÍCULAS I CONGRESO VENEZOLANO DE REDES Y ENERGÍA ELÉCTRICA Comité Nacional Venezolano Noviembre 27 167 LOCALIZACIÓN ÓPTIMA DE DISPOSITIVOS FACTS EN SISTEMAS DE TRANSMISIÓN USANDO ENJAMBRE DE PARTÍCULAS Jose H.

Más detalles

Búsqueda Local. cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2011/2012 1 / 33

Búsqueda Local. cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2011/2012 1 / 33 Introducción Búsqueda Local A veces el camino para llegar a la solución no nos importa, buscamos en el espacio de soluciones Queremos la mejor de entre las soluciones posibles alcanzable en un tiempo razonable

Más detalles

18:15 19:15 13.5. Reunión de la red HEUR. Sala Andalucía 3. 19:30 21:00 Acto de Inauguración y Conferencia Invitada CEDI2005. Miércoles, 14 Septiembre

18:15 19:15 13.5. Reunión de la red HEUR. Sala Andalucía 3. 19:30 21:00 Acto de Inauguración y Conferencia Invitada CEDI2005. Miércoles, 14 Septiembre IVCongresoEspañolde Metaheurísticas,Algoritmos EvolutivosyBioinspirados MAEB 05 18:15 19:15 13.5.ReunióndelaredHEUR SalaAndalucía3 19:30 21:00 ActodeInauguraciónyConferencia InvitadaCEDI2005 Miércoles,14Septiembre

Más detalles

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico.

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico. Desarrollo de un cluster computacional para la compilación de algoritmos en paralelo en el Observatorio Astronómico. John Jairo Parra Pérez Resumen Este artículo muestra cómo funciona la supercomputación

Más detalles

ROS: Servicio de Optimización en Internet

ROS: Servicio de Optimización en Internet 1/20 : Servicio de Optimización en Internet Enrique Alba, José Nieto y Francisco Chicano 2/20 Optimización Combinatoria Un problema de optimización combinatoria está formado por: Variables: x 1, x 2,...,

Más detalles

METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN

METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN EN ENTORNOS DINÁMICOS de San Pedro M., Pandolfi D., Lasso M., Villagra A. Laboratorio de Tecnologías Emergentes (LabTEm) Proyecto UNPA-29/B084/1

Más detalles

Representación, Codificación en un AG Población Inicial. Aptitud. Estrategia de Selección. Cruce, Mutación, Reemplazo. Condición de Parada.

Representación, Codificación en un AG Población Inicial. Aptitud. Estrategia de Selección. Cruce, Mutación, Reemplazo. Condición de Parada. Computación n Evolutiva: Algoritmos Genéticos 1.- Metaheurísticos. Computación Evolutiva: Algoritmos Genéticos 2.- Conceptos principales de un Algoritmo Genético 3.- Estructura de un Algoritmo Genético

Más detalles

Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales

Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Jorge Salas Chacón A03804 Rubén Jiménez Goñi A93212 Juan Camilo Carrillo Casas A91369 Marco Vinicio Artavia Quesada

Más detalles

6. CONTRIBUCIÓN A LA FORMACIÓN PROFESIONAL Y FORMACIÓN GENERAL Esta disciplina contribuye al logro de los siguientes resultados de la carrera:

6. CONTRIBUCIÓN A LA FORMACIÓN PROFESIONAL Y FORMACIÓN GENERAL Esta disciplina contribuye al logro de los siguientes resultados de la carrera: Universidad Católica San Pablo Facultad de Ingeniería y Computación Programa Profesional de Ciencia de la Computación SILABO CS360. Computación Bioinspirada (Electivo) 2012-2 1. DATOS GENERALES 1.1 CARRERA

Más detalles

ALGORITMOS DE OPTIMIZACIÓN BASADOS

ALGORITMOS DE OPTIMIZACIÓN BASADOS ALGORITMOS DE OPTIMIZACIÓN BASADOS EN INTELIGENCIA COLECTIVA M. en C. Miriam Pescador Rojas Estudiante de Doctorado Departamento de Ciencias de la Computación Centro de Investigación y Estudios Avanzados

Más detalles

Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos *

Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos * Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos * José A. Delgado-Osuna 1, Manuel Lozano 2, and Carlos García-Martínez 3 1 H.U. Reina Sofía jantonio.delgado.sspa@juntadeandalucia.es,

Más detalles

Tareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15%

Tareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15% Introducción a la Computación Evolutiva Dr. Carlos Artemio Coello Coello CINVESTAV-IPN Departamento de Computación Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México, D.F. 07360

Más detalles

METAHEURISTICAS Ideas, Mitos, Soluciones

METAHEURISTICAS Ideas, Mitos, Soluciones METAHEURISTICAS Ideas, Mitos, Soluciones OPTIMIZACION COMBINATORIA Qué es un problema de optimización combinatoria? Cómo se modela matemáticamente un problema de optimización combinatoria? Minimizar (o

Más detalles

Algoritmos Genéticos Y

Algoritmos Genéticos Y Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Optimización n Tradicional Problemas

Más detalles

Temario III Algoritmos Combinatorios y Metaheurísticas

Temario III Algoritmos Combinatorios y Metaheurísticas Temario III Algoritmos Combinatorios y Metaheurísticas Verificación y Validación de Software UNCo 1 Contenidos Combinación de Datos de Test Algoritmos Combinatorios Metaheurísticas Búsqueda Tabú Algoritmos

Más detalles

Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad

Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad Daniel Molina 1 and Francisco Herrera 2 1 Universidad de Cádiz, daniel.molina@uca.es 2 Universidad de

Más detalles

Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid

Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Métodos evolutivos de Optimización Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Indice Introducción Método de Montecarlo Algoritmos genéticos Tabú Search Simulated

Más detalles

Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo

Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo Víctor Arroyo Ciencia de la Computación Universidad Católica

Más detalles

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez Supercómputo Oscar Rafael García Regis Enrique Cruz Martínez 2003-I Oscar Rafael García Regis Laboratorio de Dinámica No Lineal Facultad de Ciencias, UNAM Enrique Cruz Martínez Dirección General de Servicios

Más detalles

GRID COMPUTING MALLA DE ORDENADORES

GRID COMPUTING MALLA DE ORDENADORES GRID COMPUTING MALLA DE ORDENADORES Introducción Concepto Compartir potencia computacional; Aprovechamiento de ciclos de procesamiento; El Grid Computing se enmarca dentro de la tecnología de computación

Más detalles

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Pablo Ezzatti CeCal, Facultad de Ingeniería Universidad de la República, Uruguay pezzatti@fing.edu.uy Sergio Nesmachnow

Más detalles

La optimización evolutiva multi objetivo en la confección de equipos de desarrollo de software: una forma de lograr la calidad en el producto final

La optimización evolutiva multi objetivo en la confección de equipos de desarrollo de software: una forma de lograr la calidad en el producto final Copyright 2015 Universidad Tecnológica Equinoccial http://ingenieria.ute.edu.ec/enfoqueute/ e-issn: 1390 6542 / p-issn: 1390-9363 Recibido (Received): 2015/01/29 Aceptado (Accepted): 2015/03/25 La optimización

Más detalles

Computación Evolutiva Algoritmos Genéticos

Computación Evolutiva Algoritmos Genéticos UNL - FICH - Departamento de Informática - Ingeniería Informática Inteligencia Computacional Computación Evolutiva Algoritmos Genéticos Temas a tratar - Generalidades de los algoritmos de computación evolutiva.

Más detalles

Propuesta de un algoritmo evolutivo aplicado a problemas de optimización

Propuesta de un algoritmo evolutivo aplicado a problemas de optimización Propuesta de un algoritmo evolutivo aplicado a problemas de optimización Javier Izetta Riera 1 y Nilda M. Pérez Otero 1 1 Grupo de Investigación y Desarrollo en Informática Aplicada, Facultad de Ingeniería,

Más detalles

Lugar y fecha de nacimiento: Barrancabermeja, Santander, Marzo 15, 1982

Lugar y fecha de nacimiento: Barrancabermeja, Santander, Marzo 15, 1982 Curriculum Vitæ DATOS PERSONALES Nombre: Jair Montoya Martínez. Lugar y fecha de nacimiento: Barrancabermeja, Santander, Marzo 15, 1982 Teléfono (Medellín): 235 23 61 Teléfono (Barrancabermeja): 057-622

Más detalles

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013 FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS CNCA Abril 2013 6. COMPUTACIÓN DE ALTO RENDIMIENTO Ricardo Román DEFINICIÓN High Performance Computing - Computación de Alto Rendimiento Técnicas, investigación

Más detalles

Tecnológico de Estudios Superiores de Ecatepec

Tecnológico de Estudios Superiores de Ecatepec Tecnológico de Estudios Superiores de Ecatepec Aplicaciones de algoritmos evolutivos en visión artificial División de Ingeniería Industrial y Mecatrónica Posgrado de Ingeniería Mecatrónica M. en C. Eddie

Más detalles

Obtención de Sistemas Basados en Reglas Difusas Precisos y Compactos mediante Algoritmos Geneticos Multiobjetivo

Obtención de Sistemas Basados en Reglas Difusas Precisos y Compactos mediante Algoritmos Geneticos Multiobjetivo Obtención de Sistemas Basados en Difusas Precisos y Compactos mediante Algoritmos Geneticos Multiobjetivo R. Alcalá, J. Alcalá-Fdez, M. J. Gacto y F. Herrera Departamento de Ciencias de la Computación

Más detalles

TITULACIÓN: CURSO ACADÉMICO: 2012-2013 GUÍA DOCENTE

TITULACIÓN: CURSO ACADÉMICO: 2012-2013 GUÍA DOCENTE TITULACIÓN: CURSO ACADÉMICO: 2012-2013 GUÍA DOCENTE 1. DATOS BÁSICOS DE LA ASIGNATURA NOMBRE: SISTEMAS INTELIGENTES DEL TRANSPORTE CÓDIGO: CURSO ACADÉMICO: 2012-2013 TIPO: OBLIGATORIA Créditos ECTS: 4CR.

Más detalles

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Pablo Ezzatti CeCal, Facultad de Ingeniería Universidad de la República, Uruguay pezzatti@fing.edu.uy Sergio Nesmachnow

Más detalles

Una heurística para la asignación de máquinas a trabajos fijos

Una heurística para la asignación de máquinas a trabajos fijos VIII Congreso de Ingeniería de Organización Leganés, 9 y 10 de septiembre de 2004 Una heurística para la asignación de máquinas a trabajos fijos José Manuel García Sánchez, Marcos Calle Suárez, Gabriel

Más detalles

OPTIMIZACIÓN DEL PROBLEMA DEL AGENTE VIAJERO USANDO EL SISTEMA DE COLONIA DE HORMIGAS Y BUSQUEDA GREEDY

OPTIMIZACIÓN DEL PROBLEMA DEL AGENTE VIAJERO USANDO EL SISTEMA DE COLONIA DE HORMIGAS Y BUSQUEDA GREEDY OPTIMIZACIÓN DEL PROBLEMA DEL AGENTE VIAJERO USANDO EL SISTEMA DE COLONIA DE HORMIGAS Y BUSQUEDA GREEDY Esquivel Estrada Jaime*, Ordoñez Arizmendi Armando*, Ortiz Servín Juan José**. *Universidad Autónoma

Más detalles

Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau

Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Un algoritmo genético híbrido para resolver el EternityII Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Temas Temas Introducción Eternity II Historia Descripción Demo Metaheurísticas Algoritmos

Más detalles

Optimización por Colonia de Hormigas para la Asignación Dinámica de Recursos en una Plataforma de Experimentación de Temperatura Multizona

Optimización por Colonia de Hormigas para la Asignación Dinámica de Recursos en una Plataforma de Experimentación de Temperatura Multizona 82 IEEE LATIN AMERICA TRANSACTIONS, VOL. 5, NO. 2, MAY 2007 Optimización por Colonia de Hormigas para la Asignación Dinámica de Recursos en una Plataforma de Experimentación de Temperatura Multizona Mario

Más detalles

Investigación de Operaciones (IO) Operations Research

Investigación de Operaciones (IO) Operations Research Investigación de Operaciones (IO) Operations Research Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad Católica de Valparaíso

Más detalles

Aprendizaje Computacional. Eduardo Morales y Jesús González

Aprendizaje Computacional. Eduardo Morales y Jesús González Aprendizaje Computacional Eduardo Morales y Jesús González Objetivo General La capacidad de aprender se considera como una de los atributos distintivos del ser humano y ha sido una de las principales áreas

Más detalles

Analizando la Evolución Diferencial sobre una topología toroidal

Analizando la Evolución Diferencial sobre una topología toroidal Analizando la Evolución Diferencial sobre una topología toroidal D.Sc. Yván Jesús Túpac Valdivia Conversatorio de Investigación 26 de setiembre de 2013 Yván Túpac (CC/UCSP) Pág 1/29 Objetivo Mostrar una

Más detalles

Técnicas Metaheurísticas para Problemas de Telecomunicación

Técnicas Metaheurísticas para Problemas de Telecomunicación Técnicas Metaheurísticas para Problemas de Telecomunicación Autor: Antonio Muñoz-Cruzado Marenco Codirector: Enrique Alba Torres Codirector: José Francisco Chicano García Introducción Las Telecomunicaciones

Más detalles

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: SUPERCÓMPUTO FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( ) APOBL

Más detalles

Evaluación de la disponibilidad de los servicios desplegados sobre Volunteer Computing

Evaluación de la disponibilidad de los servicios desplegados sobre Volunteer Computing Evaluación de la disponibilidad de los servicios desplegados sobre Volunteer Computing Antonio Escot Praena Enginyeria Informàtica i Tècnica de Gestió Dirección del TFC Ángel A. Juan, PhD. Eva Vallada

Más detalles

UNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE INGENIERÍA DE COMUNICACIONES TESIS DOCTORAL

UNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE INGENIERÍA DE COMUNICACIONES TESIS DOCTORAL UNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE INGENIERÍA DE COMUNICACIONES TESIS DOCTORAL Contribución a los métodos de optimización basados en procesos naturales y su aplicación a la medida de antenas en campo

Más detalles

Propuesta de una arquitectura para la generación de mutantes de orden superior en WS-BPEL

Propuesta de una arquitectura para la generación de mutantes de orden superior en WS-BPEL Propuesta de una arquitectura para la generación de mutantes de orden superior en WS-BPEL Emma Blanco Muñoz, Antonio García Domínguez, Juan José Domínguez Jiménez, Inmaculada Medina Bulo Escuela Superior

Más detalles

Julian López Franco Universidad de La Salle Carrera 2 No. 10 70 Bogotá, Colombia jullopez@unisalle.edu.co

Julian López Franco Universidad de La Salle Carrera 2 No. 10 70 Bogotá, Colombia jullopez@unisalle.edu.co ESTRATEGIAS PARA EL DISEÑO E HIBRIDACIÓN DE UNA METAHEURÍSTICA BASADA EN BÚSQUEDA DISPERSA QUE RESUELVA EL PROBLEMA MDVRP MULTIOBJETIVO: COSTO Y BALANCEO DE CARGA Julian López Franco Universidad de La

Más detalles

Tecno Lógicas ISSN: 0123-7799 tecnologicas@itm.edu.co Instituto Tecnológico Metropolitano Colombia

Tecno Lógicas ISSN: 0123-7799 tecnologicas@itm.edu.co Instituto Tecnológico Metropolitano Colombia Tecno Lógicas ISSN: 0123-7799 tecnologicas@itm.edu.co Instituto Tecnológico Metropolitano Colombia Soto, Wilson; Olaya-Benavides, Amparo Algoritmo Genético Multiobjetivo para Enrutamiento con Calidad de

Más detalles

Propuesta de un algoritmo genético para la programación diaria de los pedidos de una empresa del sector de la construcción

Propuesta de un algoritmo genético para la programación diaria de los pedidos de una empresa del sector de la construcción 5 th International Conference on Industrial Engineering and Industrial Management XV Congreso de Ingeniería de Organización Cartagena, 7 a 9 de Septiembre de 2011 Propuesta de un algoritmo genético para

Más detalles

Uso de una Colonia de Hormigas. para resolver Problemas de Programación. de Horarios

Uso de una Colonia de Hormigas. para resolver Problemas de Programación. de Horarios LABORATORIO NACIONAL DE INFORMÁTICA AVANZADA A. C. Centro de Enseñanza LANIA Uso de una Colonia de Hormigas para resolver Problemas de Programación de Horarios Tesis que presenta: Emanuel Téllez Enríquez

Más detalles

Scheduling Problem. Cuándo y dónde debo hacer cada trabajo?

Scheduling Problem. Cuándo y dónde debo hacer cada trabajo? Scheduling Problem Cuándo y dónde debo hacer cada trabajo? Ejemplos de problemas de asignación de recursos Fabricación de varios tipos de productos Asignación de turnos de trabajo Inversión financiera

Más detalles

Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta

Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta Manuel Chica, Óscar Cordón, Sergio Damas y Joaquín Bautista Resumen En este trabajo introducimos la aplicación

Más detalles

EVALUACIÓN DE LA IMPLEMENTACIÓN EN UN DSP DEL ALGORITMO HÍBRIDO DE OPTIMIZACIÓN POR ENJAMBRES DE PARTÍCULAS Y EL SIMPLEX

EVALUACIÓN DE LA IMPLEMENTACIÓN EN UN DSP DEL ALGORITMO HÍBRIDO DE OPTIMIZACIÓN POR ENJAMBRES DE PARTÍCULAS Y EL SIMPLEX Revista Ingenierías Universidad de Medellín EVALUACIÓN DE LA IMPLEMENTACIÓN EN UN DSP DEL ALGORITMO HÍBRIDO DE OPTIMIZACIÓN POR ENJAMBRES DE PARTÍCULAS Y EL SIMPLEX Julián Cote* Camilo Moncada** Rodrigo

Más detalles

Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com

Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com Contenidos Clúster de Investigación Aplicada Proyectos HPC Clúster Hadoop para tecnologías de BI Una nube privada para la Administración

Más detalles

Aplicación de predicción en bolsa basada en indicadores técnicos y computación evolutiva

Aplicación de predicción en bolsa basada en indicadores técnicos y computación evolutiva Aplicación de predicción en bolsa basada en indicadores técnicos y computación evolutiva Carlos Beceiro Castillo Cristina Valentina Espinosa Victoria José Javier Martínez Pagés GRADO EN INGENIERÍA INFORMÁTICA

Más detalles

Algoritmos Genéticos Y

Algoritmos Genéticos Y Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Operadores de Mutación El operador

Más detalles

Monitorización y Optimización de la Distribución de Energía Eléctrica

Monitorización y Optimización de la Distribución de Energía Eléctrica Monitorización y Optimización de la Distribución de Energía Eléctrica Luis Miguel López Ramos Adaptado de Monitoring and optimization for Smarter Power Grids: a Signal Processing Perspective Con permiso

Más detalles

REDES DE DISTRIBUCIÓN DE EE: DESAFÍOS Y TENDENCIAS

REDES DE DISTRIBUCIÓN DE EE: DESAFÍOS Y TENDENCIAS Reunión Anual Octubre 2012 Comité de Energía - AUGM REDES DE DISTRIBUCIÓN DE EE: DESAFÍOS Y TENDENCIAS Miguel Arias Albornoz D.Sc. Departamento de Ingeniería Eléctrica Universidad de Santiago de Chile

Más detalles

Parte I Introducción 1

Parte I Introducción 1 Índice General Presentación Prefacio v vii Parte I Introducción 1 Capítulo I: Introducción a los metaheurísticos 3 M. Laguna, C. Delgado 1 Problemas de optimización difíciles.................. 3 2 Enfoques

Más detalles

Evaluación distribuida transparente para algoritmos evolutivos en JCLEC

Evaluación distribuida transparente para algoritmos evolutivos en JCLEC Evaluación distribuida transparente para algoritmos evolutivos en JCLEC Franciso Ibáñez, Alberto Cano, and Sebastián Ventura Departamento de Informática y Análisis Numérico, Universidad de Córdoba, España

Más detalles

Maestría en Ciencias (M.S.) en Ingeniería Mecánica con Especialidad en Energía o Aeroespacial. y

Maestría en Ciencias (M.S.) en Ingeniería Mecánica con Especialidad en Energía o Aeroespacial. y Descripción del Programa Maestría en Ciencias (M.S.) en Ingeniería Mecánica con Especialidad en Energía o Aeroespacial. y Maestría en Ingeniería (M.E.) en Ingeniería Mecánica con Especialidad en Energía

Más detalles

INTELIGENCIA ARTIFICIAL APLICADA AL DISEÑO Y EVALUACION DE SISTEMAS DE ENERGIA RENOVABLE HIBRIDA PARA EL CONSUMO EN EDIFICIOS HABITACIONALES

INTELIGENCIA ARTIFICIAL APLICADA AL DISEÑO Y EVALUACION DE SISTEMAS DE ENERGIA RENOVABLE HIBRIDA PARA EL CONSUMO EN EDIFICIOS HABITACIONALES INTELIGENCIA ARTIFICIAL APLICADA AL DISEÑO Y EVALUACION DE SISTEMAS DE ENERGIA RENOVABLE HIBRIDA PARA EL CONSUMO EN EDIFICIOS HABITACIONALES Luis Ochoa T., Nicolas Kemper V., Zarela Arroyo R., Guillermo

Más detalles

Universidad Tecnológica Nacional Facultad Regional Tucumán

Universidad Tecnológica Nacional Facultad Regional Tucumán Categoría: Trabajos Finales de Carreras de Grado Título del trabajo: Optimización de la Toma de Decisiones en Gestión, utilizando Algoritmos Genéticos y Sistemas Expertos Difusos Autores: Director y Asignatura:

Más detalles

Proyectos de Investigación

Proyectos de Investigación Proyectos de Investigación Centro de Sistemas Inteligentes Tecnológico de Monterrey E-mail: leonardo.garrido@itesm.mx Web page: http://homepages.mty.itesm.mx/lgarrido Información n personal Personal homepage:

Más detalles

DETECCIÓN Y ESTIMACIÓN DE FUGAS EN REDES DE ABASTECIMIENTO DE AGUA MEDIANTE PARTICLE SWARM OPTIMIZATION (PSO) Y EPANET

DETECCIÓN Y ESTIMACIÓN DE FUGAS EN REDES DE ABASTECIMIENTO DE AGUA MEDIANTE PARTICLE SWARM OPTIMIZATION (PSO) Y EPANET DETECCIÓN Y ESTIMACIÓN DE FUGAS EN REDES DE ABASTECIMIENTO DE AGUA MEDIANTE PARTICLE SWARM OPTIMIZATION (PSO) Y EPANET Juan Pablo Ramírez-Gutiérrez Maestría en Ciencias del Agua, UG. México Jesús Mora-Rodríguez

Más detalles

PDAGMO PARA CONFIGURACIÓN INICIAL DE SENSORES EN PROCESOS INDUSTRIALES

PDAGMO PARA CONFIGURACIÓN INICIAL DE SENSORES EN PROCESOS INDUSTRIALES Mecánica Computacional Vol. XXIII G.Buscaglia, E.Dari, O.Zamonsky (Eds.) Bariloche, Argentina, November 2004 PDAGMO PARA CONFIGURACIÓN INICIAL DE SENSORES EN PROCESOS INDUSTRIALES Fernando Asteasuain *,

Más detalles

Soluciones para entornos HPC

Soluciones para entornos HPC Dr.. IT Manager / Project Leader @ CETA-Ciemat abelfrancisco.paz@ciemat.es V Jornadas de Supercomputación y Avances en Tecnología INDICE 1 2 3 4 HPC Qué? Cómo?..................... Computación (GPGPU,

Más detalles

Algoritmo Multiobjetivo Inspirado en el Comportamiento de las Luciérnagas para Resolver el Problema RWA

Algoritmo Multiobjetivo Inspirado en el Comportamiento de las Luciérnagas para Resolver el Problema RWA Algoritmo Multiobjetivo Inspirado en el Comportamiento de las Luciérnagas para Resolver el Problema RWA Álvaro Rubio-Largo, Miguel A. Vega-Rodríguez, Juan A. Gómez-Pulido y Juan M. Sánchez-Pérez Resumen

Más detalles

ENTREGABLE R2 DISEÑO TÉCNICO DEL SISTEMA: HITUL. 27 de Marzo, 2015

ENTREGABLE R2 DISEÑO TÉCNICO DEL SISTEMA: HITUL. 27 de Marzo, 2015 ENTREGABLE R2 DISEÑO TÉCNICO DEL SISTEMA: HITUL 27 de Marzo, 2015 Movilidad Inteligente: Wifi, Rutas y Contaminación Proyecto I+D+i Ene-Oct, 2015. Nº GGI3003IDII. OTRI-UMA # 8.06/5.47.4356. Contenido 1.

Más detalles

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09 Introducción a los Algoritmos Genéticos Tomás Arredondo Vidal 17/4/09 Esta charla trata de lo siguiente: Introducción a algunos aspectos de los algoritmos genéticos. Introducción a algunas aplicaciones

Más detalles

Computación Grid. Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes

Computación Grid. Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes Grid Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain Máster: Grid y Paralelismo

Más detalles

Desarrollar y aplicar estrategias para resolver problemas Determinar si un gráfico es lineal dibujando puntos en una situación dada

Desarrollar y aplicar estrategias para resolver problemas Determinar si un gráfico es lineal dibujando puntos en una situación dada MANEJO DE DATOS Analizar gráficos o diagramas de situaciones dadas para identificar información específica Recoger datos, dibujar los datos usando escalas apropiadas y demostrar una comprensión de las

Más detalles

BOLETÍN OFICIAL DE LA COMUNIDAD DE MADRID I. COMUNIDAD DE MADRID. C) Otras Disposiciones. Universidad Autónoma de Madrid

BOLETÍN OFICIAL DE LA COMUNIDAD DE MADRID I. COMUNIDAD DE MADRID. C) Otras Disposiciones. Universidad Autónoma de Madrid Pág. 48 JUEVES 12 DE JUNIO DE 2014 I. COMUNIDAD DE MADRID C) Otras Disposiciones Universidad Autónoma de Madrid 15 RESOLUCIÓN de 22 de mayo de 2014, de la Universidad Autónoma de Madrid, por la que se

Más detalles

Algoritmos Genéticos Y

Algoritmos Genéticos Y Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Algoritmos Genéticos - Operadores

Más detalles

PARA PROBLEMAS INDUSTRIALES DE CORTE, EMPAQUETADO Y OTROS RELACIONADOS

PARA PROBLEMAS INDUSTRIALES DE CORTE, EMPAQUETADO Y OTROS RELACIONADOS METAHEURíSTICAS HíBRIDAS PARALELAS PARA PROBLEMAS INDUSTRIALES DE CORTE, EMPAQUETADO Y OTROS RELACIONADOS Presentada para cumplir con los requerimientos del grado de DOCTOR EN CIENCIAS DE LA COMPUTACIÓN

Más detalles

Sistema de apoyo a procesos productivos en Pymes: Un caso de aplicación 1

Sistema de apoyo a procesos productivos en Pymes: Un caso de aplicación 1 Sistema de apoyo a procesos productivos en Pymes: Un caso de aplicación 1 Ricardo Contreras A., M. Angélica Pinninghoff J., Evelyn Osses L. Departamento de Ingeniería Informática y Ciencias de la Computación

Más detalles

DETERMINACIÓN DE LOS PARÁMETROS DEL MOTOR DE INDUCCIÓN UTILIZANDO UN ALGORITMO DE OPTIMIZACIÓN POR CÚMULO DE PARTICULAS (PSO)

DETERMINACIÓN DE LOS PARÁMETROS DEL MOTOR DE INDUCCIÓN UTILIZANDO UN ALGORITMO DE OPTIMIZACIÓN POR CÚMULO DE PARTICULAS (PSO) DETERMINACIÓN DE LOS PARÁMETROS DEL MOTOR DE INDUCCIÓN UTILIZANDO UN ALGORITMO DE OPTIMIZACIÓN POR CÚMULO DE PARTICULAS (PSO) ANDRES RICARDO HERRERA OROZCO JAVIER ALEJANDRO ORJUELA MONTOYA UNIVERSIDAD

Más detalles

Diseño Mecatrónico usando optimización basada en bacterias

Diseño Mecatrónico usando optimización basada en bacterias Laboratorio Nacional de Informática Avanzada Diseño Mecatrónico usando optimización basada en bacterias TESIS Que presenta: Betania Hernández Ocaña Para obtener el grado de: Maestra en Computación Aplicada

Más detalles

Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas

Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas Manuel Baena García, Rafael Morales Bueno y Carlos Cotta Porras Workshop MOISES Septiembre 2004 1/15 Contenido Inducción

Más detalles

INGENIERIA INDUSTRIAL Y DE SISTEMAS LISTADO DE MATERIAS CONTENIDO PLAN: 2004-2

INGENIERIA INDUSTRIAL Y DE SISTEMAS LISTADO DE MATERIAS CONTENIDO PLAN: 2004-2 INGENIERIA INDUSTRIAL Y DE SISTEMAS PLAN: 2004-2 Formar profesionales de la Ingeniería Industrial y de Sistemas capaces de planear, operar, controlar y mejorar sistemas productivos en organizaciones generadoras

Más detalles

Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la

Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la ejecución de programas secuenciales de forma paralela con el requisito de no modificar los programas secuenciales. La idea fundamental

Más detalles

Optimización de Procesos

Optimización de Procesos Optimización de Procesos Tier I: Métodos Matemáticos de Click to edit Master title style Optimización Sección 4: Optimización Multi-Objetivo Click to Introducción edit Master title style La optimización

Más detalles

:Arquitecturas Paralela basada en clusters.

:Arquitecturas Paralela basada en clusters. Computación de altas prestaciones: Arquitecturas basadas en clusters Sesión n 1 :Arquitecturas Paralela basada en clusters. Jose Luis Bosque 1 Introducción Computación de altas prestaciones: resolver problemas

Más detalles

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS MAURO CANABÉ SERGIO NESMACHNOW Centro de Cálculo, Facultad de Ingeniería Universidad de la República, Uruguay GPU IMPLEMENTATIONS

Más detalles

INSTITUTO TECNOLÓGICO DE LA PAZ

INSTITUTO TECNOLÓGICO DE LA PAZ SUBSECRETARÍA DE EDUCACIÓN SUPERIOR DIRECCIÓN GENERAL DE EDUCACIÓN SUPERIOR TECNOLÓGICA INSTITUTO TECNOLÓGICO DE LA PAZ INSTITUTO TECNOLÓGICO DE LA PAZ UN ALGORITMO HÍBRIDO PARA LA OPTIMIZACIÓN EN PARALELO

Más detalles

Tesis Doctoral: Método Neuro-Genético para resolver problemas de la programación de la producción.

Tesis Doctoral: Método Neuro-Genético para resolver problemas de la programación de la producción. EDUCACION New Mexico State University, Las Cruces NM. Doctor en Ingeniería con especialidad en Ingeniería Industrial. 1999-2002 Asesor: Dr. Linda Ann Riley Tesis Doctoral: Método Neuro-Genético para resolver

Más detalles

Medida del rendimiento

Medida del rendimiento Medida del rendimiento Benchmarks V 1.0 José M. Cámara (checam@ubu.es) Motivación El rendimiento debe ser evaluado para: Valorar el comportamiento del sistema. Comparar varios sistemas. Optimizar la utilización.

Más detalles

Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI

Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad

Más detalles

Grado en Ingeniería Informática

Grado en Ingeniería Informática Grado en Ingeniería Informática Competencias Generales y trasversales De acuerdo con la resolución del Consejo de Universidades de fecha 3 de marzo de 2009, para obtener este título de grado en ingeniería

Más detalles

Aplicación de un Algoritmo Evolutivo en la Solución de Problemas Job Shop-Open Shop

Aplicación de un Algoritmo Evolutivo en la Solución de Problemas Job Shop-Open Shop Aplicación Información de Tecnológica un Algoritmo Evolutivo en la Solución de Problemas Job Vol. 22(1), 83-92 (2011) doi: 10.4067/S0718-07642011000100011 Aplicación de un Algoritmo Evolutivo en la Solución

Más detalles

Metodología de cálculo para sistemas solares térmicos

Metodología de cálculo para sistemas solares térmicos Metodología de cálculo para sistemas solares térmicos MetaSol es una metodología para el cálculo de la contribución solar mínima de agua caliente sanitaria en instalaciones solares térmicas. Con ésta,

Más detalles

Métodos Heurísticos en Inteligencia Artificial

Métodos Heurísticos en Inteligencia Artificial Métodos Heurísticos en Inteligencia Artificial Javier Ramírez rez-rodríguez Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana Métodos Heurísticos en Inteligencia Artificial Los problemas de

Más detalles

Representación con Restricciones de Medidas Cualitativas: Aplicación a un Problema de Scheduling

Representación con Restricciones de Medidas Cualitativas: Aplicación a un Problema de Scheduling Representación con Restricciones de Medidas Cualitativas: Aplicación a un Problema de Scheduling Salvador E. Ayala-Raggi German Cuaya-Simbro Modesto G. Medina-Melendrez Angélica Muñoz-Meléndez Instituto

Más detalles

UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES

UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES José Alejandro Chiri Aguirre RESUMEN La predicción de recidiva en pacientes que han sido

Más detalles

Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa

Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa Lucero de Montserrat Ortiz Aguilar a, Juan Martín Carpio Valadez a, Héctor José Puga Soberanes a,

Más detalles

Algoritmos Basados en Nubes de Partículas y Evolución Diferencial para el Problema de Optimización Continua: Un estudio experimental

Algoritmos Basados en Nubes de Partículas y Evolución Diferencial para el Problema de Optimización Continua: Un estudio experimental Algoritmos Basados en Nubes de Partículas y Evolución Diferencial para el Problema de Optimización Continua: Un estudio experimental Pablo David Gutiérrez, Isaac Triguero y Francisco Herrera Resumen Los

Más detalles

Aplicación de la metodología GRASP al problema de Rutificación de Vehículos (VRP)

Aplicación de la metodología GRASP al problema de Rutificación de Vehículos (VRP) 6th International Conference on Industrial Engineering and Industrial Management. XVI Congreso de Ingeniería de Organización. Vigo, July 18-20, 2012 Aplicación de la metodología GRASP al problema de Rutificación

Más detalles

ALGORITMO GENÉTICO APLICADO AL PROBLEMA DE ASIGNACIÓN DE CANAL EN COMUNICACIONES MÓVILES CELULARES

ALGORITMO GENÉTICO APLICADO AL PROBLEMA DE ASIGNACIÓN DE CANAL EN COMUNICACIONES MÓVILES CELULARES Memorias de la XVII Semana Regional de Investigación y Docencia en Matemáticas, Departamento de Matemáticas, Universidad de Sonora, México. Mosaicos Matemáticos No. 2, agosto 27, pp. 29-36. Nivel Superior

Más detalles

Creación de un Cluster de Linux utilizando Knoppix

Creación de un Cluster de Linux utilizando Knoppix Creación de un Cluster de Linux utilizando Knoppix Autores: Alicia Guadalupe Valdez Menchaca Maestra en Tecnologías de Información Facultad de Ingeniería Mecánica y Eléctrica Universidad Autónoma de Coahuila

Más detalles

Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling

Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling Yunior César Fonseca Reyna Universidad de Granma E-mail: fonseca@udg.co.cu Temática: Inteligencia Artificial

Más detalles