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?

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

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

5. AJUSTE DE PARÁMETROS DE LA BÚSQUEDA TABÚ

5. AJUSTE DE PARÁMETROS DE LA BÚSQUEDA TABÚ 5.Ajuste de parámetros de la búsqueda tabú 5. AJUSTE DE PARÁMETROS DE LA BÚSQUEDA TABÚ El algoritmo de Búsqueda Tabú (TS) utiliza un gran número de parámetros asociados a distintas etapas de la resolución.

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

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

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

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

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

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

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

Introducción INTRODUCCIÓN

Introducción INTRODUCCIÓN Introducción INTRODUCCIÓN Las empresas de distintos sectores económicos han concebido la logística como un proceso estratégico para mantener su actividad y garantizar la eficiencia de las operaciones de

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

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

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

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

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

La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota

La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota INTRODUCCIÓN En este experimento voy a relacionar el tiempo que tarda una pelota en rebotar 6 veces desde distintas

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

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

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

Comparativo Empírico de Algoritmos Evolutivos Multiobjetivo en la Reducción del Efecto Látigo y Costos Totales en Cadenas de Suministro TESIS

Comparativo Empírico de Algoritmos Evolutivos Multiobjetivo en la Reducción del Efecto Látigo y Costos Totales en Cadenas de Suministro TESIS Centro de Enseñanza LANIA Comparativo Empírico de Algoritmos Evolutivos Multiobjetivo en la Reducción del Efecto Látigo y Costos Totales en Cadenas de Suministro TESIS Que presenta: Elyar Alberto López

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

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

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

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

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

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

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

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

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

Algoritmos Genéticos. Introduccion a la Robótica Inteligente

Algoritmos Genéticos. Introduccion a la Robótica Inteligente Algoritmos Genéticos Introduccion a la Robótica Inteligente 7 Marzo 2014 (IRIN) AGs 7/03/2014 1 / 43 Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos Matemáticos 4 Conclusiones (IRIN)

Más detalles

Eduardo Fernández Universidad Autónoma de Sinaloa eddyf@uas.edu.mx. Claudia Gómez Instituto Tecnológico de Cd. Madero cggs71@hotmail.

Eduardo Fernández Universidad Autónoma de Sinaloa eddyf@uas.edu.mx. Claudia Gómez Instituto Tecnológico de Cd. Madero cggs71@hotmail. Optimización de cartera de proyectos con financiamiento parcial mediante un metaheurístico enriquecido con programación lineal entera e incorporación de preferencias Resumen Eduardo Fernández Universidad

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

Medición en Fábrica - 2003

Medición en Fábrica - 2003 Algoritmos Genéticos y Optimización Heurística Dr. Adrian Will F.A.C.E.T. U.N.T. Cátedra de Tópicos Selectos de Inteligencia Artificial Optimización Tradicional Problemas Reales Problemas Reales Función

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

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

OBJETIVOS Y PLANTEAMIENTO DE LA TESIS DOCTORAL

OBJETIVOS Y PLANTEAMIENTO DE LA TESIS DOCTORAL 1 OBJETIVOS Y PLANTEAMIENTO DE LA TESIS DOCTORAL 1 Sistema de generación eléctrica con pila de combustible de óxido sólido alimentado con residuos forestales y su optimización mediante algoritmos basados

Más detalles

MMSPEA2 mejora del SPEA2 para problemas multi-modales: aplicación al RCMPSP

MMSPEA2 mejora del SPEA2 para problemas multi-modales: aplicación al RCMPSP MM mejora del para problemas multi-modales: aplicación al RCMPSP Pérez Vazquez, E. 1, Posada Calvo, M. 2, Herrera Triguero, F. 3 Resumen Un problema multi-modal es aquel que presenta múltiples óptimos

Más detalles

ANÁLISIS DE EFICIENCIA EN ALGORITMOS DE RECONOCIMIENTO DE IMÁGENES DIGITALES APLICABLES A DISPOSITIVOS MÓVILES BAJO LA PLATAFORMA ANDROID

ANÁLISIS DE EFICIENCIA EN ALGORITMOS DE RECONOCIMIENTO DE IMÁGENES DIGITALES APLICABLES A DISPOSITIVOS MÓVILES BAJO LA PLATAFORMA ANDROID ANÁLISIS DE EFICIENCIA EN ALGORITMOS DE RECONOCIMIENTO DE IMÁGENES DIGITALES APLICABLES A DISPOSITIVOS MÓVILES BAJO LA PLATAFORMA ANDROID Miguel Ñauñay Ilbay 1, Luis Tipantuña Córdova 2, Geovanny Raura

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

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

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

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

TESTEO DE SOFTWARE CON DOS TÉCNICAS METAHEURÍSTICAS

TESTEO DE SOFTWARE CON DOS TÉCNICAS METAHEURÍSTICAS XV Jornadas de Ingeniería del Software y Bases de Datos JISBD 2006 José Riquelme - Pere Botella (Eds) c CIMNE, Barcelona, 2006 TESTEO DE SOFTWARE CON DOS TÉCNICAS METAHEURÍSTICAS Enrique Alba 1, Francisco

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

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

ALGORITMOS GENÉTICOS ASÍNCRONOS COMBINADOS PARA UNA RED HETEREOGÉNEA DE COMPUTADORAS

ALGORITMOS GENÉTICOS ASÍNCRONOS COMBINADOS PARA UNA RED HETEREOGÉNEA DE COMPUTADORAS ALGORITMOS GENÉTICOS ASÍNCRONOS COMBINADOS PARA UNA RED HETEREOGÉNEA DE COMPUTADORAS Benjamín Barán y Enrique Chaparro Centro Nacional de Computación Universidad Nacional de Asunción Campus Universitario

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

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

Bibliografía Anotada

Bibliografía Anotada Maestría en Ingeniería de Sistemas y Computación Universidad Nacional de Colombia Bogotá D.C. June 2, 2006 Contenido Tema Amplio 1 Tema Amplio 2 3 4 5 Tema Tema Amplio Extracción de información y obtención

Más detalles

Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling

Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling Jacob Meneses Angel, Marcela Rivera Martínez, Luis René Marcial Castillo, Sandoval Solís Lourdes Benemérita

Más detalles

HPC en Uruguay: pasado, presente y futuro

HPC en Uruguay: pasado, presente y futuro Tercer Encuentro Nacional de Computación de Alto Rendimiento para Aplicaciones Científicas HPC en Uruguay: pasado, presente y futuro Sergio Nesmachnow Universidad de la República WHPC14, Córdoba, Argentina,

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

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

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

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

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

d o c u m e n t o t e m á t i c o Resumen

d o c u m e n t o t e m á t i c o Resumen d o c u m e n t o t e m á t i c o Optimización de SolidWorks Resumen La optimización es el cálculo de los factores de peso, esfuerzo, costo, desviación, frecuencias naturales y temperatura, que dependen

Más detalles

PARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS

PARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS PARTE III OBTENCIÓN DE MODELOS 1. INFORMACIÓN SOBRE EL SISTEMA 1. EL PROPIO SISTEMA (OBSERVACIÓN, TEST) 2. CONOCIMIENTO TEÓRICO (LEYES DE LA NATURALEZA, EXPERTOS, LITERATURA, ETC.)

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

UNIVERSIDAD POLITÉCNICA DE VALENCIA Departamento de Ingeniería Mecánica y de Materiales TESIS DE MASTER

UNIVERSIDAD POLITÉCNICA DE VALENCIA Departamento de Ingeniería Mecánica y de Materiales TESIS DE MASTER EX UNIVERSIDAD POLITÉCNICA DE VALENCIA TECHNICA PROGRESSIO VNIVERSITAT POLITÈCNICA VALÈNCIA TESIS DE MASTER EVALUACIÓN DE ESTRATEGIAS DE PARAMETRIZACIÓN GEOMÉTRICA Y DE LA MEDIDA DE CONTROL DE LA VELOCIDAD

Más detalles

Algoritmos Genéticos aplicados a la resolución de problemas de optimización

Algoritmos Genéticos aplicados a la resolución de problemas de optimización 1 Algoritmos Genéticos aplicados a la resolución de problemas de optimización Luis Marco Giménez lmarcogimenez@gmail.com http://www.luismarco.nom.es RESUMEN Los Algoritmos Genéticos, como paradigma principal

Más detalles

La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos

La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos AUTOR ING. MIGUEL JIMÉNEZ CARRIÓN M.Sc. Profesor Principal a DE, adscrito al Departamento

Más detalles

Portafolio de Algoritmos Evolutivos para Problemas de Regresión

Portafolio de Algoritmos Evolutivos para Problemas de Regresión Portafolio de Algoritmos Evolutivos para Problemas de Regresión Mario Graff División de Estudios de Posgrado Facultad de Ingeniería Eléctrica Universidad Michoacana de San Nicolás de Hidalgo Marzo 2013

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