FORMULACIÓN DE UN ALGORITMO GENÉTICO PARA EL PROBLEMA DE PROGRAMACIÓN DE ÓRDENES DE TRABAJO DE UNA EMPRESA DE ARTES GRÁFICAS

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

Download "FORMULACIÓN DE UN ALGORITMO GENÉTICO PARA EL PROBLEMA DE PROGRAMACIÓN DE ÓRDENES DE TRABAJO DE UNA EMPRESA DE ARTES GRÁFICAS"

Transcripción

1 FORMULACIÓN DE UN ALGORITMO GENÉTICO PARA EL PROBLEMA DE PROGRAMACIÓN DE ÓRDENES DE TRABAJO DE UNA EMPRESA DE ARTES GRÁFICAS PROYECTO DE GRADO Javier mauricio gamboa salgado Código: John alexander gómez marulanda Código: FUNDACIÓN UNIVERSITARIA KONRAD LORENZ FACULTAD DE INGENIERÍA IX SEMESTRE DE INGENIERÍA DE SISTEMAS BOGOTÁ 1

2 FORMULACIÓN DE UN ALGORITMO GENÉTICO PARA EL PROBLEMA DE PROGRAMACIÓN DE ÓRDENES DE TRABAJO DE UNA EMPRESA DE ARTES GRÁFICAS PROYECTO DE GRADO JOHN ALEXANDER GÓMEZ MARULANDA Código: JAVIER MAURICIO GAMBOA SALGADO Código: Proyecto investigativo para optar al título de Ingeniero de Sistemas Director de proyecto de grado Ingeniero JUAN CARLOS GALEANO HUERTAS FUNDACIÓN UNIVERSITARIA KONRAD LORENZ FACULTAD DE INGENIERÍA IX SEMESTRE DE INGENIERÍA DE SISTEMAS BOGOTÁ 2

3 NOTA DE ACEPTACIÓN Presidente del Jurado Jurado Jurado 3

4 4 A los futuros individuos Konradistas.

5 AGRADECIMIENTOS A mi familia, especialmente a mis padres, Enrique y Clara, y a mi esposa, Carolina, por la compresión y aliento inagotables. Javier Gamboa A Dios porque en él está mi vida, a mi esposa, Heidi, porque sin ella no habría empezado esta parte del camino que hoy culmina y a mi hijo, Jiordie, porque en él retomo fuerzas. Alexander Gómez 5

6 CONTENIDO Pág. 1 EXISTE UN PROBLEMA DEFINICIÓN DE ENTRADAS DEL PROBLEMA Orden de Producción Proceso Centro de Producción Orden de Trabajo CUAL ES LA PROPUESTA PARA SOLUCIONARLO? PARA COMENZAR CON ALGORITMOS GENÉTICOS QUÉ SON LOS ALGORITMOS GENÉTICOS? DESCRIPCIÓN DEL FUNCIONAMIENTO DE LOS AG Problema de optimización MODELAMIENTO DEL ALGORITMO GENETICO TRABAJOS REALIZADOS Programación de tienda abierta Programación de producción Secuenciación dinámica DEFINICIONES PROPIAS DEL ALGORITMO GENÉTICO Individuos Cromosomas Alelos GENERACIÓN DE LA POBLACIÓN INICIAL PROCESO DE SELECCIÓN PROCESO DE CRUCE PROCESO DE MUTACIÓN DEFINICIÓN DE LA FUNCIÓN DE EVALUACIÓN (FITNESS) Cumplimiento (C ) Colisiones (T ) Ocupación de centros de producción (P ) FUNCIÓN DE EVALUACIÓN (FITNESS) EVALUACIÓN DE PROTOTIPOS CONDICIONES PARA LA GENERACIÓN DE PROTOTIPOS Datos de trabajo Proceso de selección Probabilidades de cruce y mutación PROTOTIPO Condiciones del algoritmo Resultados del prototipo

7 4.2.3 Análisis de la situación en el prototipo Acciones para el siguiente prototipo Consideraciones para tener en cuenta en el próximo prototipo PROTOTIPO Condiciones del algoritmo Resultados del prototipo Análisis de la situación en el prototipo Acciones para el siguiente prototipo PROTOTIPO Condiciones del algoritmo Resultados del prototipo Análisis de la situación en el prototipo Acciones para el siguiente prototipo PROTOTIPO Condiciones del algoritmo Resultados del prototipo Análisis de la situación en el prototipo Acciones para el siguiente prototipo PROTOTIPO Condiciones del algoritmo Resultados del prototipo Análisis de la situación en el prototipo Acciones para el siguiente prototipo COMPARACIÓN DEL PROTOTIPO EVALUACIÓN Y COMPARACIÓN DE RESULTADOS TIEMPO DE EJECUCIÓN Comparación en tiempo de ejecución MEJOR INDIVIDUO Comparación del mejor individuo PROMEDIO DE EVALUACIÓN GENERACIÓN MEJOR INDIVIDUO CUMPLIMIENTO Comparación del cumplimiento COLISIONES Evaluación de las colisiones CONCLUSIONES SUGERENCIAS REFERENCIAS

8 8

9 LISTA DE ILUSTRACIONES Pág. Ilustración 1 - Pasos para solucionar analíticamente el problema de programación de planta de producción Ilustración 2 - Esquema general del funcionamiento de un AG Ilustración 3 - Gráfica de la función a optimizar Ilustración 4 - Modelo general del AG propuesto Ilustración 5 Vista previa de la ejecución del prototipo Ilustración 6 Vista previa de la ejecución del prototipo Ilustración 7 - Vista previa de la ejecución del prototipo Ilustración 8 - Vista previa de la tabla de resultados obtenida en la ejecución del prototipo Ilustración 9 - Vista previa de la ejecución del prototipo

10 10

11 RESUMEN En el desarrollo del presente trabajo se propone generar una solución al problema de programación de planta de producción mediante la utilización de algoritmos genéticos, usándolos como técnica que permita no sólo cubrir las necesidades que ya abordan soluciones analíticas sino ir mas allá proponiendo una nueva organización de los recursos y de los trabajos a realizar, y permitiendo a través de ellos explorar al máximo el universo de posibilidades que se pueden presentar para solucionarlo. Se plantea un enfoque práctico que guía al lector por la conceptualización y el modelamiento de un algoritmo genético elemental, para luego proponer un modelo que represente una solución del problema planteado. 11

12 INTRODUCCION Procesar alrededor de trescientos pedidos diarios de clientes que necesitan cada uno el suyo sin retraso, cada pedido con una serie de pasos que deben ser ejecutados minuciosamente para cumplir con los requerimientos exigidos, contando sólo con noventa máquinas para llevar a cabo los procesos, es una tarea que de entrada suena titánica. Adicionalmente, si a lo anterior se agrega que las tareas deben ser ejecutadas en un orden específico, que dependen en cierta proporción de la mano de obra y que día a día están llegando nuevos pedidos de clientes que exigen el mismo cumplimiento y una excelente calidad, el procesamiento de los pedidos se convierte en una tarea bastante compleja. Durante mucho tiempo se han solucionado estos y otros problemas de igual o mayor envergadura realizando análisis complejos o aplicando una metodología que pocas personas se atreven a modificar y mucho menos tratan de cuestionar la idoneidad o la obtención de una mejor solución. Un escenario bastante desalentador se vislumbra cuando se verifica que obtener una solución a estos problemas puede demandar grandes cantidades de tiempo y recursos tanto técnicos como humanos. Es por esto que se realiza un algoritmo genético que pueda ser utilizado en la programación de planta de producción de una empresa de artes gráficas. En el desempeño de esta labor, es necesario realizar una representación válida de los elementos que componen el problema y una función que permita evaluar cada una de las soluciones obtenidas. De igual forma, es prioritario evaluar la calidad de las soluciones obtenidas respecto a la utilizada en una empresa del sector productivo objeto del presente trabajo. 12

13 El anterior panorama, plantea entonces la utilización de la tecnología representada en elementos de hardware y software como una herramienta para modelar este tipo de procesos complejos, de modo que sus resultados puedan llegar a ser tan confiables, que la administración y organización de los recursos de producción se puedan dejar prácticamente en sus manos. 13

14 1 EXISTE UN PROBLEMA 1 El sector manufacturero transforma materias primas en productos mediante la ejecución de procesos manuales o automáticos. De este sector se divide un grupo de empresas que se dedican a elaborar productos a la medida de las necesidades, es decir, las especificaciones, materias primas a utilizar y condiciones entre otras características son definidas por el cliente, lo que hace que cada producto sea totalmente nuevo a la hora de producirlo; las empresas de artes gráficas se encuentran en este grupo. Al no tener productos que se elaboren de la misma forma y en cantidades regulares, es necesario hacer una programación dinámica de la planta de producción en la cual se asegure el cumplimiento de los compromisos adquiridos con el cliente. Esta programación debe tener en cuenta todos los procesos que se deben ejecutar para terminar la elaboración de un producto, los tiempos que se toma para terminar cada proceso, la complejidad del mismo a la hora de ejecutarlo y el proceso que debe estar terminado antes de poder empezar uno nuevo. El problema consiste en hacer la programación de la planta de producción de una empresa de artes gráficas considerando las situaciones expresadas anteriormente, permitiendo optimizar los recursos que se utilizan para la ejecución de los procesos y cumpliendo los compromisos adquiridos. 1 La información de este capítulo es obtenida a partir de la experiencia de los autores en el sector manufacturero, específicamente en empresas de artes gráficas. 14

15 1.1 DEFINICIÓN DE ENTRADAS DEL PROBLEMA Es de vital importancia realizar una buena definición de las entradas que influyen en su problema, dado que con base en ellas se desarrollará el proceso que intentará solucionar el problema específico. Para este problema se definen las variables especificadas a continuación Orden de Producción. La orden de producción (OP) corresponde a la orden que el área de ingeniería de producto o planeación hace a la planta de producción, en la cual consigna todas las especificaciones técnicas necesarias para llevar a cabo la producción del producto según lo acordado previamente con el cliente. Adicionalmente, en la OP se ingresan los datos correspondientes a cantidades, fechas de entrega, condiciones de negociación y aspectos técnicos adicionales de relevancia para el proceso productivo. De acuerdo a lo anterior y según el conocimiento y la experiencia de la industria gráfica y manufacturera, el área de ingeniería de producto o planeación plasma en la orden de producción la respuesta a las preguntas: qué se hace? y cómo se hace? Características de la orden de producción. A continuación se presentan las características de la orden de producción que se tendrán en cuenta para el desarrollo del algoritmo propuesto. Cantidad: Es la cantidad de ejemplares o productos completos que la planta de producción debe elaborar. Fecha de entrega: La fecha de entrega corresponde al día en que se debe terminar de procesar la orden de producción en la planta para preparar la entrega del producto terminado al cliente. 15

16 1.1.2 Proceso. Es la acción o actividad que se ejecuta durante el proceso productivo sobre una orden de producción o parte de ella, en consecuencia, el proceso siempre es ejecutado por un centro de producción. En cualquier planta de producción un proceso debe poder ser ejecutado por al menos un centro de producción, sin importar si la acción se desempeña de forma manual o automática Características del proceso. A continuación se presentarán las características del proceso que se tendrán en cuenta para el desarrollo del algoritmo propuesto. Predecesor: Esta característica es de vital importancia para la programación de la planta de producción ya que corresponde al proceso que debe ser ejecutado antes de realizarse el proceso actual. Para este trabajo se define que un proceso sólo puede tener un predecesor, aunque no necesariamente deba tener uno Centro de Producción. Como centro de producción (CP) puede catalogarse el lugar específico en el que se desarrolla uno o más procesos. La naturaleza de los CP está dada por la forma como se llevan a cabo las actividades dentro de él. Por lo tanto pueden ser de tipo manual, que corresponde a una persona o grupo de ellas que se dedica a realizar actividades manuales sobre una orden de producción o automático en el que una máquina ejecuta acciones o actividades sobre una orden de producción. Con base en los anteriores conceptos, se puede concluir que el CP es la máquina, persona o grupo de personas que ejecutan una serie de procesos sobre la orden 16

17 de producción para lo cual pueden consumir o transformar una materia prima determinada. Un CP debe ejecutar una serie de procesos secuencialmente. Sin embargo, si un centro de producción ejecuta dos procesos simultáneamente sobre una OP, éstos deben ser agrupados y nombrados como uno solo para que se puedan llevar a la programación en la planta Características del centro de producción. A continuación se presentarán las características del centro de producción que se tendrán en cuenta para el desarrollo del algoritmo propuesto. Disponibilidad: Es una variable sumamente importante para la programación de la planta ya que expresa el tiempo en horas al día que el centro de producción está disponible para ejecutar los procesos. Procesos que ejecuta: Esta es una lista de los procesos que pueden ser ejecutados en el centro de producción. En cada uno de los procesos se debe especificar su rendimiento. Rendimiento por proceso: Corresponde a la cantidad de unidades que el centro de producción puede hacer por hora ejecutando un proceso determinado Orden de Trabajo La orden de trabajo (OT) es la especificación técnica en cuanto a la ejecución de los procesos, los tiempos en que deben ser ejecutados y las cantidades que deben salir al fin de la ejecución. Una orden de trabajo corresponde a un solo centro de producción y a un único proceso a ser ejecutado en dicho centro, por lo tanto se crean tantas órdenes de trabajo por orden de producción como procesos se empleen para realizarla. 17

18 Las órdenes de trabajo se crean de acuerdo a la explosión de procesos que se hace en la ingeniería de producto o planeación Características de la orden de trabajo. A continuación se presentarán las características de la orden de trabajo que se tendrán en cuenta para el desarrollo del algoritmo propuesto. Orden de producción: Orden de producción a la cual pertenece la orden de trabajo. Proceso: Identifica el proceso que se debe ejecutar en la orden de trabajo. Centro de producción: Así como el proceso, esta característica identifica el centro de producción que ejecutará el proceso correspondiente. Prioridad: La prioridad es puesta por defecto desde ingeniería de producto o planeación con el mismo nivel para todas las órdenes de trabajo nuevas, sin embargo, el programador de la planta de producción puede modificar la prioridad en caso de que se deba ejecutar una orden de trabajo en cierto orden específico, dando una prioridad mayor a esta en el proceso de programación. Cantidad: Contrario a lo que se puede pensar, la cantidad de la OT no siempre corresponde a la cantidad de la orden de producción. Con mayor exactitud, en la OT la cantidad refleja el número de unidades que se deben procesar. En la mayoría de los procesos, la cantidad a ejecutar es mayor a la cantidad de la orden de producción, dado que se agregan desperdicios o en algunos casos de acuerdo al proceso, este se debe ejecutar dos o más veces. Se debe aclarar que esta cantidad es determinada por el proceso de ingeniería de producto o planeación de la orden de producción. Eficiencia: Corresponde a la eficiencia con que el centro de producción ejecuta un proceso en una orden de trabajo determinada, por defecto, la 18

19 eficiencia es definida en planeación, pero igualmente el programador puede cambiar la eficiencia de acuerdo a las condiciones físicas del trabajo a realizar. Tiempo: De acuerdo al rendimiento que tiene el centro de producción configurado para ejecutar un proceso, a la cantidad que se debe ejecutar y a la eficiencia con que esté configurada la orden de trabajo, se calcula el tiempo que se va a tardar para procesar la cantidad requerida. Esta característica se ingresa durante el proceso de programación ya que es allí cuando se conoce el tiempo de ejecución. Fecha de inicio: De acuerdo al proceso de programación esta variable es calculada y corresponde a la fecha y hora en que el centro de producción debe empezar a procesar la orden de trabajo. Fecha final: Es el resultado de sumar a la fecha de inicio de ejecución del proceso, el tiempo que se tarda en realizarse el mismo, es decir, corresponde a la fecha y hora en que el centro de producción debe finalizar la ejecución de la orden de trabajo. 1.2 CUAL ES LA PROPUESTA PARA SOLUCIONARLO? La ilustración 1 muestra la forma analítica de solucionar el problema, tal y como se hace en varias empresas de artes gráficas: 19

20 Ilustración 1 - Pasos para solucionar analíticamente el problema de programación de planta de producción En las soluciones analíticas del problema, resulta bastante complicado agregar variables de decisión, tales como dividir el trabajo para que sea ejecutado paralelamente, o ejecutar el trabajo utilizando un recurso más eficiente o por lo menos diferente al inicialmente configurado. 20

21 De igual forma, cuando el número de órdenes de producción crece o se introducen nuevas variables, hacer el análisis se vuelve una tarea dispendiosa y complicada. Debido al anterior panorama, se propone dar solución al problema mediante la utilización de la técnica de algoritmos genéticos. 21

22 2 PARA COMENZAR CON ALGORITMOS GENÉTICOS 2.1 QUÉ SON LOS ALGORITMOS GENÉTICOS? Los algoritmos genéticos (AG) son métodos utilizados para resolver problemas complejos de búsqueda y optimización, inspirados en la naturaleza y específicamente en el proceso evolutivo de los seres vivos. Según Charles Darwin [7], a lo largo de las generaciones, las poblaciones evolucionan en la naturaleza de acorde con los principios de la selección natural y la supervivencia de los más aptos. El medio ambiente ejerce una presión sobre las especies de tal forma que algunos individuos sobreviven y otros no. Aquellos seres que sobreviven tienen la oportunidad de reproducirse y al hacerlo se dice que sus características pasan a la siguiente generación. Estas características son transmitidas por los padres a sus hijos a través de los genes. Por imitación de este proceso, los AG son capaces de ir creando soluciones para problemas del mundo real. La evolución de dichas soluciones hacia valores óptimos del problema, depende en buena medida de una adecuada evaluación de las mismas. Goldberg en [1] define los algoritmos genéticos de la siguiente manera. Los algoritmos genéticos, AG, con algoritmos de búsqueda basados en mecanismos de selección y de genética natural. Ellos combinan la ley del más fuerte entre estructuras de cadenas con intercambio de información estructurada y aleatoria para formar un algoritmo de búsqueda con algunas de las innovadoras bondades de la búsqueda humana. En cada generación, es creado un nuevo conjunto de criaturas artificiales usando bits y partes de los más fuertes de las anteriores 22

23 generaciones; una nueva parte opcional es asumida para una buena medida. Mientras combinan, los AG no son una simple ruta aleatoria. Ellos eficientemente explotan la información histórica para especular en nuevos puntos de búsqueda con una mejora esperada en la ejecución. 2.2 DESCRIPCIÓN DEL FUNCIONAMIENTO DE LOS AG De acuerdo a lo planteado en [2], es posible observar el esquema general del funcionamiento de un algoritmo genético a través de la ilustración 2. Ilustración 2 - Esquema general del funcionamiento de un AG 23

24 Cada uno de los elementos, operadores y procesos que componen un AG son ilustrados a continuación mediante un ejemplo práctico Problema de optimización En [2] se encuentra el siguiente problema en el cual se desea maximizar la siguiente función: Ilustración 3 - Gráfica de la función a optimizar Como parámetros iniciales se asignan los siguientes intervalos de las variables para reducir el espacio de búsqueda de solución: 24

25 Representación del problema La representación del problema es el proceso que permite establecer la forma como un dato va a ser procesado a través del algoritmo. Para describir mejor esta etapa es necesario utilizar los conceptos de genotipo y fenotipo. El genotipo es la forma utilizada para representar las características de un elemento, mientras que el fenotipo es el conjunto de características de ese organismo. Para este caso se decide representar el problema en cadenas binarias. La longitud de cada cadena depende de la precisión requerida en la solución. Por ejemplo, el dominio de la variable x j es [a j, b j ] y la precisión requerida es de cinco posiciones decimales después del punto. Este parámetro de precisión implica que el rango de dominio de cada variable debería estar dividida en por lo menos (b j - a j ) x 10 5 tamaños. Los bits requeridos (m j ) para una variable se calcula como se muestra a continuación: Una representación de una cadena binaria para un número real de la variable x j es: donde representa el valor decimal de. Si se supone que la precisión se estima en cinco posiciones después del punto decimal, los bits requeridos para las variables x 1 y x 2 se calculan así: Para x 1 : 25

26 Para x 2 : Por lo tanto la longitud del cromosoma es de 33 bits y se representa de la siguiente forma: 33 bits 18 bits 15 bits Para ver la representación de las variables x 1 y x 2, los valores correspondientes de las mismas y su conversión a números reales, están dados los siguientes procedimientos: Variable Cadena binaria Número decimal 26

27 x 1 x Población inicial Una población es una representación abstracta de un segmento o conjunto de individuos. Para el caso específico de los AG, existe una serie de poblaciones que se van generando en la medida en que el algoritmo se ejecuta. La población inicial es aquella que se toma como base para iniciar el proceso evolutivo. Con el paso del tiempo, se espera que los individuos de las nuevas generaciones tengan genes o características de los mejores individuos de las poblaciones anteriores. Para el ejemplo, la población inicial consta de diez (10) individuos generados de forma aleatoria tal y como se muestra a continuación: donde sus respectivos valores reales son: 27

28 Evaluación La evaluación es el proceso que permite determinar el valor de un individuo dada una función de comparación denominada función de evaluación. La definición acertada de la función de evaluación es uno de los elementos cruciales en el comportamiento de los AG. Idealmente interesa construir funciones objetivo con ciertas regularidades en cuanto a su comportamiento, es decir, funciones objetivo que verifiquen que para dos individuos que se encuentren cercanos en el espacio de búsqueda, sus respectivos valores en las funciones objetivo sean similares. Un problema habitual en las ejecuciones de los AG surge debido a la velocidad con la que el algoritmo converge, es decir, el tiempo que tarda el algoritmo en estabilizar los valores de evaluación. En algunos casos la convergencia es muy rápida, lo que suele denominarse convergencia prematura, en la cual el algoritmo converge hacia óptimos locales, mientras que en otros pasos el problema es justo el contrario, es decir se produce una convergencia lenta del algoritmo. Una posible solución a estos problemas pasa por efectuar transformaciones en la función objetivo. El proceso de evaluación de un cromosoma consiste en los siguientes tres pasos: 28

29 Convertir el genotipo del cromosoma a su fenotipo. En otras palabras, esto significa convertir la cadena de caracteres a sus valores reales. Evaluar la función objetivo con los valores anteriormente obtenidos. Convertir el valor de la función objetivo en un valor valido para realizar una evaluación y una posterior comparación. En el caso de este ejercicio, cabe anotar que se utiliza como función de evaluación la misma función objetivo. Los valores de evaluación de cada cromosoma se muestran a continuación: De acuerdo a la anterior evaluación es simple ver que el cromosoma v 4 es el más fuerte, mientras que el cromosoma v 3 es el más débil Selección La selección es la encargada de transmitir y conservar aquellas características de las soluciones que se consideran valiosas a lo largo de las generaciones. Existen diversos métodos de selección dentro de los más usados están la selección por ruleta y por torneo. En la ruleta, la probabilidad que tiene un individuo de 29

30 reproducirse es proporcional a su valor de función de evaluación, es decir, a su adaptación. Si consideramos la población Q que consta de n individuos y a f i como el valor de evaluación de un individuo i que es miembro de Q, la probabilidad p i de seleccionar un individuo i, está dada por: La selección por torneo reporta un valor computacional muy bajo debido a su sencillez. Se selecciona un grupo de t individuos (normalmente t = 2, torneo binario) y se genera un número aleatorio entre 0 y 1. Si este número es menor que un cierto umbral K (usualmente K = 0,75), se selecciona para reproducirse al individuo con mejor adaptación, y si este número es menor que K, se selecciona, por el contrario, al individuo con peor adaptación. En la mayoría de casos, es adoptada la rueda de ruleta como método de selección; con esto se logra una selección proporcional de la evaluación y se puede seleccionar una nueva población con respecto a la distribución de probabilidad basada en los valores de evaluación. Para el ejemplo, la rueda de ruleta puede ser construida de la siguiente forma: Calcular los valores de evaluación eval(v k ) de cada cromosoma v k. Calcular la evaluación total de la población. 30

31 Calcular la probabilidad de selección p k de cada cromosoma v k. Calcular la probabilidad de selección acumulada q k para cada cromosoma v k. El proceso de selección inicial lanzando la rueda de ruleta n veces, donde n es igual al tamaño de la población; cada vez que se lance la ruleta, un cromosoma simple es seleccionado para una nueva población de la siguiente forma: Generar un número aleatorio r dentro del rango [0, 1]. Si, entonces se selecciona el cromosoma v 1 ; en caso contrario se selecciona el k esimo cromosoma tal que. La evaluación total de la población es: La probabilidad de selección p k para cada cromosoma v k (k=1,2,,10) es la siguiente: p 1 = p 2 = p 3 = p 4 = p 5 = p 6 = p 7 = p 8 = p 9 = p 10 =

32 La probabilidad de selección acumulada q k para cada cromosoma v k (k=1,2,,10) es la siguiente: q 1 = q 2 = q 3 = q 4 = q 5 = q 6 = q 7 = q 8 = q 9 = q 10 = Ahora se lanza diez veces la rueda de ruleta, y con cada lanzamiento se selecciona un cromosoma simple para la nueva población. Una secuencia aleatoria de diez números entre el rango [0,1] se muestra a continuación: El primer número aleatorio r 1 = es más grande que la probabilidad acumulada q 3 y es más pequeño que q 4, lo que significa que el cromosoma v 4 es seleccionado para la nueva población; el segundo número aleatorio r 2 = es más grande que q 3 y es más pequeño que q 4, con lo cual nuevamente el cromosoma v 4 es seleccionado para la nueva población. Una vez realizado el análisis de los diez números aleatorios la nueva población está conformada de la siguiente forma: 32

33 Cruce El operador de cruce permite realizar una exploración de toda la información almacenada hasta el momento en la población y combinarla para crear mejores individuos. Es una buena idea que, tanto la codificación como la técnica de cruce, se hagan de manera que las características buenas se hereden o al menos, no sea mucho peor que el peor de los padres. Para lo anterior no se tiene un modo formal para seleccionar la técnica de mejor adaptación a un problema específico, sin embargo es recomendable analizar la naturaleza de la cadena y los genes del individuo, con el fin de conocer que elementos se pueden cruzar para lograr la creación de un individuo que combine las mejores características de los padres. Para realizar el cruce entre parejas de cromosomas se utiliza el método de un punto de corte en el cual se selecciona aleatoriamente un punto de corte con rango [1, tamaño del cromosoma] y se intercambian las partes derechas de los padres para generar dos cromosomas hijos. Como ejemplo se toman los cromosomas v 1 y v 2 de la población inicial, si el punto de corte se estableció en el gen 17 el proceso de cruce se puede visualizar de la siguiente manera: Punto de corte Los cromosomas resultantes del intercambio de los genes a la derecha del punto de corte son: 33

34 Para el ejemplo se determina que la probabilidad de cruce es p c = 0.25, lo cual indica que solo el 25% de los cromosomas tienden a ser cruzados. Al lanzar una secuencia de diez números aleatorios para analizar la probabilidad de cruce de cada cromosoma se obtiene los siguientes resultados: Por lo que se identifica que solo los cromosomas v 5 y v 7 son seleccionados para ser cruzados. Si se lanza un nuevo número aleatorio con rango [1, 33] para elegir el punto de corte (se obtuvo el número 15) se obtiene la siguiente operación: Punto de corte Los nuevos hijos resultantes de la operación de cruce son: Mutación La mutación se considera un operador básico, que proporciona un pequeño elemento de aleatoriedad en el entorno de los individuos de la población mediante la alteración de uno o más genes con una probabilidad igual a la tasa de mutación. Si bien se admite que el operador de cruce es el responsable de efectuar la búsqueda a lo largo del espacio de posibles soluciones (exploración), también parece desprenderse de los experimentos efectuados por varios investigadores que 34

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

Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos

Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos MT 6 Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos Rosario Baltazar 1 Judith Esquivel Vázquez 2 Andrea Rada 3 Claudia Díaz 4 Resumen Durante los últimos 15

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

ALGORITMOS GENÉTICOS

ALGORITMOS GENÉTICOS Arranz de la Peña, Jorge Universidad Carlos III 100025106@alumnos.uc3m.es ALGORITMOS GENÉTICOS Parra Truyol, Antonio Universidad Carlos III 100023822@alumnos.uc3m.es En este documento se pretende analizar

Más detalles

Algoritmos Genéticos

Algoritmos Genéticos Introducción a la Computación Evolutiva Tercera Clase: Algoritmos Genéticos Algoritmos Genéticos Desarrollados en USA durante los años 70 Autores principales: J. Holland, K. DeJong, D. Goldberg Aplicados

Más detalles

Algoritmos Genéticos. Algoritmos Genéticos. Introducción a la Computación Evolutiva. Tercera Clase: Algoritmos Genéticos

Algoritmos Genéticos. Algoritmos Genéticos. Introducción a la Computación Evolutiva. Tercera Clase: Algoritmos Genéticos Introducción a la Computación Evolutiva Tercera Clase: Algoritmos Genéticos Algoritmos Genéticos Desarrollados en USA durante los años 70 Autores principales: J. Holland, K. DeJong, D. Goldberg Aplicados

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

UTgeNes - Framework para Implementación y Estudio de Algoritmos

UTgeNes - Framework para Implementación y Estudio de Algoritmos UTgeNes - Framework para Implementación y Estudio de Algoritmos Genéticos Abstract UTgeNes es un framework para la implementación y estudio de algoritmos genéticos propuesto para la realización de trabajos

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

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

Introducción a los Algoritmos Genéticos

Introducción a los Algoritmos Genéticos Introducción a los Algoritmos Genéticos Francisco José Ribadas Pena INTELIGENCIA ARTIFICIAL 5 Informática ribadas@uvigo.es 17 de octubre de 2005 c FJRP 2005 ccia IA Métodos de 8 < : 1 Introducción 9 =

Más detalles

Identificación rápida de cuellos de botella: Una mejor manera de realizar pruebas de carga. Documento técnico de Oracle Junio de 2009

Identificación rápida de cuellos de botella: Una mejor manera de realizar pruebas de carga. Documento técnico de Oracle Junio de 2009 Identificación rápida de cuellos de botella: Una mejor manera de realizar pruebas de carga Documento técnico de Oracle Junio de 2009 Identificación rápida de cuellos de botella: Una mejor manera de realizar

Más detalles

ESCUELA POLITÉCNICA NACIONAL

ESCUELA POLITÉCNICA NACIONAL ESCUELA POLITÉCNICA NACIONAL FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA OPTIMIZACIÓN DE CONTROLADORES DIGITALES PID EN SISTEMAS DINÁMICOS USANDO ALGORITMOS GENÉTICOS PROYECTO PREVIO A LA OBTENCIÓN

Más detalles

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN &$3Ì78/2 6.1. INTRODUCCIÓN Los primeros avances para solucionar el TSP, por medio de Algoritmos Evolutivos han sido introducidos por Goldberg y Lingle en [68] y Grefenstette en [72]. En éste área muchos

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

? 50 30 20 20 emplear NA 0,788 0,367879 se queda s a 150 275 70-125 se pone s en s a 15 58 200-43 se pone s en s a

? 50 30 20 20 emplear NA 0,788 0,367879 se queda s a 150 275 70-125 se pone s en s a 15 58 200-43 se pone s en s a 350 MR Versión 1 1 Prueba Parcial 1/5 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA: INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Computación Evolutiva CÓDIGO: 350 MOMENTO: Primera Parcial VERSIÓN:

Más detalles

Modelos de Ciclo de Vida de Desarrollo de Software en el Contexto de la Industria Colombiana de Software

Modelos de Ciclo de Vida de Desarrollo de Software en el Contexto de la Industria Colombiana de Software Modelos de Ciclo de Vida de Desarrollo de Software en el Contexto de la Industria Colombiana de Software Hugo F. Arboleda Jiménez. MSc. Docente-Investigador, Facultad de Ingenierías, Universidad de San

Más detalles

cilred.com CICLO DE VIDA DEL SOFTWARE & METODOLOGIAS DE DESARROLLO DE SOFTWARE ING. EDUARDO CRUZ ROMERO eduar14_cr@hotmail.com cilred.

cilred.com CICLO DE VIDA DEL SOFTWARE & METODOLOGIAS DE DESARROLLO DE SOFTWARE ING. EDUARDO CRUZ ROMERO eduar14_cr@hotmail.com cilred. cilred.com CICLO DE VIDA DEL SOFTWARE & METODOLOGIAS DE DESARROLLO DE SOFTWARE ING. EDUARDO CRUZ ROMERO eduar14_cr@hotmail.com cilred.com CICLO DE VIDA DEL SOFTWARE Para apreciar un poco más el problema

Más detalles

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 22. Algoritmos Genéticos. prb@2007 2

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 22. Algoritmos Genéticos. prb@2007 2 Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 22 prb@2007 2 1 El núcleo de cada célula humana contiene una base de datos química. Esta base de datos contiene todas las instrucciones que la

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

Ingeniería de Software I

Ingeniería de Software I Ingeniería de Software I Agenda Objetivo. Unidades de aprendizaje. Formas de evaluación. Bibliografía. 2 Datos del profesor Correo electrónico: egonzalez@upemor.edu.mx Asesorías Jueves de 11:00 a 13:00

Más detalles

MÉTODOS DE ORGANIZACIÓN Y ACCESO A DATOS INTRODUCCIÓN. NO : ESTRUCTURA. OPERACIONES. MANTENIMIENTO. : ESTRUCTURA. OPERACIONES. MANTENIMIENTO. MÉTODOS DE ORGANIZACIÓN Y ACCESO A DATOS : ESTRUCTURA. OPERACIONES.

Más detalles

Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu. Instituto Superior Politécnico José Antonio Echeverría. Cuba

Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu. Instituto Superior Politécnico José Antonio Echeverría. Cuba Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu Instituto Superior Politécnico José Antonio Echeverría Cuba Carvajal- Pérez, Raúl Nicolás Un Algoritmo Genético Especializado en Planeamiento

Más detalles

EXPERTIS Y LA GESTION DE FABRICACION

EXPERTIS Y LA GESTION DE FABRICACION EXPERTIS Y LA GESTION DE FABRICACION Ingeniería Informática DesingSoft, S.L. - 1 - Introducción: Expertis dispone de un conjunto de módulos y aplicaciones orientadas a empresas del sector de Fabricación

Más detalles

Tema 2. Ingeniería del Software I feliu.trias@urjc.es

Tema 2. Ingeniería del Software I feliu.trias@urjc.es Tema 2 Ciclo de vida del software Ingeniería del Software I feliu.trias@urjc.es Índice Qué es el ciclo de vida del Software? El Estándar 12207 Modelos de proceso Qué es el Ciclo de Vida del SW? Definición

Más detalles

Programación Genética

Programación Genética Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino

Más detalles

Sistemas de Información II. Introducción al Proceso Unificado de Desarrollo de Software. Autor: Ing. Silverio Bonilla 1

Sistemas de Información II. Introducción al Proceso Unificado de Desarrollo de Software. Autor: Ing. Silverio Bonilla 1 Introducción al Proceso Unificado de Desarrollo de Software Autor: Ing. Silverio Bonilla 1 James Rumbaugh et al. Concepto de Método Una metodología de ingeniería del software es un proceso para producir

Más detalles

Revista Facultad de Ingeniería Universidad de Antioquia ISSN: 0120-6230 revista.ingenieria@udea.edu.co Universidad de Antioquia Colombia

Revista Facultad de Ingeniería Universidad de Antioquia ISSN: 0120-6230 revista.ingenieria@udea.edu.co Universidad de Antioquia Colombia Revista Facultad de Ingeniería Universidad de Antioquia ISSN: 0120-6230 revista.ingenieria@udea.edu.co Universidad de Antioquia Colombia Tabares, Héctor; Hernández, Jesús Pronóstico puntos críticos de

Más detalles

IN4703 Gestión de Operaciones. Programación de Operaciones (Operations Scheduling)

IN4703 Gestión de Operaciones. Programación de Operaciones (Operations Scheduling) IN4703 Gestión de Operaciones Programación de Operaciones (Operations Scheduling) Lineamientos de la Clase de Hoy Objetivos de la Programación de Operaciones Sistemas de Manufactura (Manufacturing Execution

Más detalles

A L G O R I T M O S E VO L U T I VO S A P L I C A D O S A L A G E N E R AC I Ó N D E H O R A R I O S PA R A C O L E G I O

A L G O R I T M O S E VO L U T I VO S A P L I C A D O S A L A G E N E R AC I Ó N D E H O R A R I O S PA R A C O L E G I O E S C U E L A P O L I T É C N I C A N A C I O N A L F A C U L T A D D E C I E N C I A S D E P A R T A M E N T O D E M A T E M Á T I C A S A L G O R I T M O S E VO L U T I VO S A P L I C A D O S A L A G

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

[ Guía para recién llegados a los ALGORITMOS GENÉTICOS]

[ Guía para recién llegados a los ALGORITMOS GENÉTICOS] UVa Dpto. de Organización de Empresas Escuela de Ingenierías Industriales Elena Pérez www.eis.uva.es/elena [ Guía para recién llegados a los ALGORITMOS GENÉTICOS] El propósito de esta guía es dar soporte

Más detalles

Capítulo IV ALGORITMOS GENÉTICOS

Capítulo IV ALGORITMOS GENÉTICOS Capítulo IV ALGORITMOS GENÉTICOS 4.1. INTRODUCCIÓN La estructura de un algoritmo genético simple se corresponde con la estructura de cualquier programa evolutivo (ver figura 1.1). Durante la iteración

Más detalles

Planeación del Proyecto de Software:

Planeación del Proyecto de Software: Apéndice A. Cuestionarios del Sistema Evaluador Nivel2. Requerimientos de Administración: Goal 1: Los requerimientos del sistema asociados a software están bien controlados y existe un estándar para los

Más detalles

ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS

ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS EtsiIngenio Inteligencia Artificial 1 Raposo López Alejandro Sánchez Palacios Manuel Resumen dibujo de grafos mediante algoritmos genéticos

Más detalles

Síntesis: Curso Microsoft Project

Síntesis: Curso Microsoft Project Síntesis: Curso Microsoft Project El curso Microsoft Project está dirigido a personas que no tienen conocimientos del programa y necesitan utilizarlo para gestionar y controlar proyectos, desde sus funciones

Más detalles

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

METODOLOGIA DE GESTIÓN DE PROYECTOS INSTITUCIONAL

METODOLOGIA DE GESTIÓN DE PROYECTOS INSTITUCIONAL METODOLOGIA DE GESTIÓN DE PROYECTOS INSTITUCIONAL Versión 1.0 Enero - 2004 SUPERINTENDENCIA NACIONAL DE ADMINISTRACION TRIBUTARIA Lima - Perú INDICE 1. ALCANCE...3 2. CONCEPTOS...3 2.1. MARCO CONCEPTUAL

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

Planificación de proyectos

Planificación de proyectos Planificación de proyectos Introducción Características de un proyecto: Conjunto numeroso de actividades complejas. Es singular (Conjunto de sucesos y actividades que sólo se presenta una vez) Es finito

Más detalles

GANTT, PERT y CPM. Figura 5.3: Carta GANTT 3.

GANTT, PERT y CPM. Figura 5.3: Carta GANTT 3. GANTT, PERT y CPM Características Conseguir una buena programación es un reto, no obstante es razonable y alcanzable. Ella debe tener el compromiso del equipo al completo, para lo cual se recomienda que

Más detalles

Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico

Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico Departamento de Matemática Aplicada Universidad Granada Introducción El Cálculo o Análisis Numérico es

Más detalles

1. PROCESOS DEL PROJECT MANAGEMENT

1. PROCESOS DEL PROJECT MANAGEMENT INDICE 1. PROCESOS DEL PROJECT MANAGEMENT 1.1 Procesos del Proyecto 1.2 Grupos de Proceso 1.3 Interacciones del Proceso 1.4 Adaptación de las interacciones del proceso 2. AREAS DEL CONOCIMIENTO DEL PROJECT

Más detalles

LOS INDICADORES DE GESTIÓN

LOS INDICADORES DE GESTIÓN LOS INDICADORES DE GESTIÓN Autor: Carlos Mario Pérez Jaramillo Todas las actividades pueden medirse con parámetros que enfocados a la toma de decisiones son señales para monitorear la gestión, así se asegura

Más detalles

Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible

Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible Sara Lumbreras

Más detalles

GESTIÓN DEL TIEMPO. La Gestión del Tiempo del Proyecto incluye los procesos necesarios para lograr la conclusión del proyecto a tiempo.

GESTIÓN DEL TIEMPO. La Gestión del Tiempo del Proyecto incluye los procesos necesarios para lograr la conclusión del proyecto a tiempo. GESTIÓN DEL TIEMPO La Gestión del Tiempo del Proyecto incluye los procesos necesarios para lograr la conclusión del proyecto a tiempo. DEFINICIÓN DE LAS ACTIVIDADES Definir las actividades del cronograma

Más detalles

GENÉTICA MENDELIANA EL GEN. El gen Mendeliano es una unidad de función, estructura, transmisión, mutación y evolución, que se distribuye ordenada y linealmente en los cromosomas. A nivel genético el gen

Más detalles

TEMA 6.- LA PUESTA EN MARCHA DE PROYECTOS. LOS ASPECTOS A TENER EN CUENTA

TEMA 6.- LA PUESTA EN MARCHA DE PROYECTOS. LOS ASPECTOS A TENER EN CUENTA TEMA 6.- LA PUESTA EN MARCHA DE PROYECTOS. LOS ASPECTOS A TENER EN CUENTA El Programa para el Fomento de la Intraemprendeduría en Ciclos Formativos de Formación Profesional es un proyecto financiado por

Más detalles

Procesadores Superescalares: Paralelismo Implícito a Nivel de Instrucción

Procesadores Superescalares: Paralelismo Implícito a Nivel de Instrucción Tema 7 Procesadores Superescalares: Paralelismo Implícito a Nivel de Instrucción Se denomina arquitectura superescalar a aquella implementación capaz de ejecutar más de una instrucción por ciclo de reloj.

Más detalles

GESTIÓN DE PROYECTOS DE SOFTWARE

GESTIÓN DE PROYECTOS DE SOFTWARE GESTIÓN DE PROYECTOS DE SOFTWARE LA PLANIFICACIÓN de proyectos se define como la predicción de la duración de las actividades y tareas a escala individual. LA ESTIMACIÓN se define como la predicción de

Más detalles

TÉCNICAS HEURÍSTICAS Y METAHEURÍSTICAS DE OPTIMIZACIÓN

TÉCNICAS HEURÍSTICAS Y METAHEURÍSTICAS DE OPTIMIZACIÓN TÉCNICAS HEURÍSTICAS Y METAHEURÍSTICAS DE OPTIMIZACIÓN RAMÓN ALFONSO GALLEGO RENDÓN ANTONIO ESCOBAR ZULUAGA ELIANA MIRLEDY TORO OCAMPO Universidad Tecnológica de Pereira Pereira - Risaralda - Colombia

Más detalles

TIPOS DE PROCESAMIENTOS

TIPOS DE PROCESAMIENTOS TIPOS DE PROCESAMIENTOS El desempeño de un computador puede tener diferentes medidas de elección para diferentes usuarios. Para un usuario individual que está ejecutando un único programa, la computadora

Más detalles

Implantación y Aceptación del Sistema

Implantación y Aceptación del Sistema y Aceptación del Sistema 1 y Aceptación del Sistema ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 2 ACTIVIDAD IAS 1: ESTABLECIMIENTO DEL PLAN DE IMPLANTACIÓN...5 Tarea IAS 1.1: De finición del Plan de... 5 Tarea IAS

Más detalles

Modelos de desarrollo de software. septiembre de 2007 1

Modelos de desarrollo de software. septiembre de 2007 1 Modelos de desarrollo de software septiembre de 2007 1 Referencias básicas Ingeniería de software. Un enfoque práctico. Pressman, R. Quinta edición. Mc. Graw Hill 2002 Ingeniería de software. Sommerville,

Más detalles

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DIAGRAMA DE FLECHAS 1.- INTRODUCCIÓN Este documento sirve de guía para el proceso de planificación de proyectos. Describe desde la visualización de la secuencia de acciones a desarrollar en dichos proyectos

Más detalles

Introducción a la Computación Evolutiva

Introducción a la Computación Evolutiva Introducción a la Computación Evolutiva Sección de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello

Más detalles

CLASE # 4 DESCRIPCIÓN GENERAL DE LAS PRUEBAS DINÁMICAS

CLASE # 4 DESCRIPCIÓN GENERAL DE LAS PRUEBAS DINÁMICAS CLASE # 4 DESCRIPCIÓN GENERAL DE LAS PRUEBAS DINÁMICAS 750105M - TÉCNICAS DE PRUEBAS DE SOFTWARE INGENIERÍA DE SISTEMAS Y COMPUTACIÓN UNIVERSIDAD DEL VALLE SEMESTRE 2013A - DOCENTE BEATRIZ FLORIAN GAVIRIA

Más detalles

Unidad II: Números pseudoaleatorios

Unidad II: Números pseudoaleatorios Unidad II: Números pseudoaleatorios 2.1 Métodos de generación de números Pseudoaleatorio Métodos mecánicos La generación de números aleatorios de forma totalmente aleatoria, es muy sencilla con alguno

Más detalles

P1 Elaboración de un plan de proyecto utilizando MS Project G3

P1 Elaboración de un plan de proyecto utilizando MS Project G3 UNIVERSIDAD DE CASTILLA-LA MANCHA ESCUELA SUPERIOR DE INFORMÁTICA P1 Elaboración de un plan de proyecto utilizando MS Project G3 José Luís Espinosa Aranda Noelia Vállez Enano Manuel Ramón Guerrero Álvarez

Más detalles

Capítulo V ALGORITMOS EVOLUTIVOS AVANZADOS 5.1. INTRODUCCIÓN 5.2. ALGORITMOS EVOLUTIVOS AVANZADOS CON MÚLTIPLES PADRES Y MÚLTIPLES CROSSOVERS

Capítulo V ALGORITMOS EVOLUTIVOS AVANZADOS 5.1. INTRODUCCIÓN 5.2. ALGORITMOS EVOLUTIVOS AVANZADOS CON MÚLTIPLES PADRES Y MÚLTIPLES CROSSOVERS Capítulo V ALGORITMOS EVOLUTIVOS AVANZADOS 5.1. INTRODUCCIÓN En este capítulo se presentan algunas modificaciones al diseño de un algoritmo evolutivo para mejorar su performance. El hecho de innovar en

Más detalles

Programación Orientada a Objetos Profr. Pedro Pablo Mayorga

Programación Orientada a Objetos Profr. Pedro Pablo Mayorga Actividad 2 Unidad 1 Ciclo de vida del software y Diseño Orientado a Objetos Ciclo de Vida del Software Un modelo de ciclo de vida define el estado de las fases a través de las cuales se mueve un proyecto

Más detalles

Control de calidad del Hormigón

Control de calidad del Hormigón Control de calidad del Hormigón Calidad Hay muchos factores involucrados en la producción del hormigón, desde los materiales, la dosificación de la mezcla, el transporte, la colocación, el curado y los

Más detalles

El monitoreo de una variable física requiere supervisión permanente de señales que

El monitoreo de una variable física requiere supervisión permanente de señales que Capítulo 1 Marco Contextual 1.1. Formulación del problema 1.1.1. Definición del problema El monitoreo de una variable física requiere supervisión permanente de señales que varían con el tiempo. Tal información,

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

Ingeniería de Software. Procesos. Proyecto de Ingeniería. Metodologías. Metodologías. Metodologías. Metodologías de desarrollo

Ingeniería de Software. Procesos. Proyecto de Ingeniería. Metodologías. Metodologías. Metodologías. Metodologías de desarrollo Ingeniería de Software Procesos Laboratorio de Ingeniería de Software 2004 La ingeniería de software trata sobre la aplicación de practicas y métodos para construir productos de software que cumplan las

Más detalles

Capítulo 1. Introducción

Capítulo 1. Introducción Capítulo 1. Introducción El WWW es la mayor fuente de imágenes que día a día se va incrementando. Según una encuesta realizada por el Centro de Bibliotecas de Cómputo en Línea (OCLC) en Enero de 2005,

Más detalles

Curso de Identificación, Formulación y Evaluación de Proyectos FCE UN L 2008

Curso de Identificación, Formulación y Evaluación de Proyectos FCE UN L 2008 A continuación se presenta los pasos a seguir para la planificación y control de un proyecto. En relación al tiempo disponible se hacen las siguientes aclaraciones: Se ha marcado con resaltado aquellos

Más detalles

ALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS

ALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS Universidad Nacional de San Antonio Abad del Cusco Departamento Académico de Informática ALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS Iván Medrano Valencia ANALISIS DE ALGORITMOS Un algoritmo es un

Más detalles

TTP / Informática Profesional y Personal Módulo / Mantenimiento de software

TTP / Informática Profesional y Personal Módulo / Mantenimiento de software Ministerio de Educación, Ciencia y Tecnología TTP / Informática Profesional y Personal Módulo / Mantenimiento de software Aprobado por Res. 190/02 CFCyE Presentación La problemática abordada por este módulo

Más detalles

OBJETIVOS. Estudiar los conceptos básicos de transmisión de señales de video y datos sobre redes de cable coaxial y fibra óptica.

OBJETIVOS. Estudiar los conceptos básicos de transmisión de señales de video y datos sobre redes de cable coaxial y fibra óptica. OBJETIVOS Estudiar los conceptos básicos de transmisión de señales de video y datos sobre redes de cable coaxial y fibra óptica. Analizar los diferentes tipos de arquitecturas utilizadas en el diseño de

Más detalles

APLICABILIDAD DE MÉTODOS DE INTELIGENCIA ARTIFICIAL A LA CALIBRACIÓN DE REDES DE ACUEDUCTO

APLICABILIDAD DE MÉTODOS DE INTELIGENCIA ARTIFICIAL A LA CALIBRACIÓN DE REDES DE ACUEDUCTO APLICABILIDAD DE MÉTODOS DE INTELIGENCIA ARTIFICIAL A LA CALIBRACIÓN DE REDES DE ACUEDUCTO Juan Guillermo Saldarriga Valderrama * Profesor Titular del Departamento de Ingeniería Civil y Ambiental de la

Más detalles

Análisis del Sistema de Información

Análisis del Sistema de Información Análisis del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 2 ACTIVIDAD ASI 1: DEFINICIÓN DEL SISTEMA... 6 Tarea ASI 1.1: Determinación del Alcance del Sistema... 6 Tarea ASI 1.2: Identificación

Más detalles

Antes de imprimir este documento piense en el medio ambiente!

Antes de imprimir este documento piense en el medio ambiente! Versión 1.0 Página 1 de 6 1. ajustado ambiental OBJETIVO Proporcionar herramientas metodológicas para el desarrollo, organización, ejecución y evaluación de simulacros, de una forma segura y confiable,

Más detalles

Planificación de Sistemas de Información

Planificación de Sistemas de Información Planificación de Sistemas de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ACTIVIDAD 1: INICIO DEL PLAN DE SISTEMAS DE INFORMACIÓN... 4 Tarea 1.1: Análisis de la Necesidad del... 4 Tarea 1.2: Identificación

Más detalles

Técnicas para la Optimización de Rutas de Transporte y Distribución

Técnicas para la Optimización de Rutas de Transporte y Distribución Vigilancia tecnológica: Técnicas para la Optimización de Rutas de Transporte y Distribución Subvenciona: Septiembre 2.009-Brain Trust Consulting Services Rev02-Pág 1 Índice 1. El problema de la optimización

Más detalles

TEMA 6: GESTIÓN DE ENTRADA/SALIDA

TEMA 6: GESTIÓN DE ENTRADA/SALIDA 1. Introducción TEMA 6: GESTIÓN DE ENTRADA/SALIDA Función principal de un S.O.: controlar todos los dispositivos de E/S de la computadora. El Subsistema de E/S se encarga de Emitir órdenes a los dispositivos

Más detalles

Planificación de Sistemas de Información

Planificación de Sistemas de Información Planificación de Sistemas de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS...1 ACTIVIDAD 1: INICIO DEL PLAN DE SISTEMAS DE INFORMACIÓN...4 Tarea 1.1: Análisis de la Necesidad del...4 Tarea 1.2: Identificación

Más detalles

SISTEMA DE CONTROL DE GESTIÓN PRESUPUESTARIO MUNICIPAL

SISTEMA DE CONTROL DE GESTIÓN PRESUPUESTARIO MUNICIPAL SISTEMA DE CONTROL DE GESTIÓN PRESUPUESTARIO MUNICIPAL ANA MARÍA SILVA GARAY Directora Administración y Finanzas Municipalidad de Providencia Enero 2011 0 PRESUPUESTO MUNICIPAL 1. DEFINICIÓN El Presupuesto

Más detalles

Análisis de estrategias para la gestión de proyectos informáticos. TFC Área de Gestión de Proyectos

Análisis de estrategias para la gestión de proyectos informáticos. TFC Área de Gestión de Proyectos Análisis de estrategias para la gestión de proyectos informáticos TFC Área de Gestión de Proyectos Consultor: Ana Cristina Domingo Trocho Autor: David Prado Romanillos Fecha de entrega: 10/01/2012 Índice

Más detalles

PLANEACIÓN DE SISTEMAS INFORMÁTICOS ING. KARINA RAMÍREZ DURÁN

PLANEACIÓN DE SISTEMAS INFORMÁTICOS ING. KARINA RAMÍREZ DURÁN PLANEACIÓN DE SISTEMAS INFORMÁTICOS ING. KARINA RAMÍREZ DURÁN Diagrama de Gantt Fue desarrollada por Henry L. Gantt, durante la primera guerra mundial. Con estas graficas Gantt procuro resolver el problema

Más detalles

El Sudoku de la Planificación de la Producción

El Sudoku de la Planificación de la Producción Mejoras a la planificación y secuenciación de órdenes en SAP ECC El Sudoku de la Planificación de la Producción La planificación en las empresas es un proceso por el cual cada uno de los departamentos

Más detalles

Introducción a los Algoritmos Genéticos

Introducción a los Algoritmos Genéticos Marcos Gestal Pose Depto. Tecnologías de la Información y las Comunicaciones Universidade da Coruña http://sabia.tic.udc.es/ mgestal mgestal@udc.es Índice 1. Introducción 2 2. Orígenes 2 3. Bases Biológicas

Más detalles

CAPÍTULO 5: MODELADO DEL IDS CON REDES NEURONALES

CAPÍTULO 5: MODELADO DEL IDS CON REDES NEURONALES Capítulo 5 Modelado y Simulación del IDS 35 CAPÍTULO 5: MODELADO DEL IDS CON REDES NEURONALES En este capítulo se describe la preparación de los datos para servir como entradas al IDS y la simulación de

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

Capítulo 12: Indexación y asociación

Capítulo 12: Indexación y asociación Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación

Más detalles

Administración de proyectos. Organizar, planificar y programar los proyectos de software

Administración de proyectos. Organizar, planificar y programar los proyectos de software Administración de proyectos Organizar, planificar y programar los proyectos de software Administración de proyectos Trata de las actividades que hay que realizar para asegurar que el software se entregará

Más detalles

Ciclo de vida del Software

Ciclo de vida del Software Tema 2: Ciclo de vida del Software Marcos López Sanz Índice Qué es el ciclo de vida del Software? La norma 12207-2008 Modelos de desarrollo Qué es el Ciclo de Vida del SW? Es una sucesión de etapas por

Más detalles

2 1.1 2 1.2 2 2. SOFTWARE +... 3 3. COMUNICACIÓN - CONEXIÓN DEL DISPOSITIVO...

2 1.1 2 1.2 2 2. SOFTWARE +... 3 3. COMUNICACIÓN - CONEXIÓN DEL DISPOSITIVO... Manual de software Dynamic Plus Fecha: 03/04/2014 Manual Software Dynamic Plus v2.0.5 ÍNDICE GENERAL 1. INTRODUCCIÓN... 2 1.1 Configuración mínima del PC... 2 1.2 Instalación del Software Dynamic Plus...

Más detalles

Computación Evolutiva: Técnicas de Selección

Computación Evolutiva: Técnicas de Selección Computación Evolutiva: Técnicas de Selección Dr. Gregorio Toscano Pulido Laboratorio de Tecnologías de Información Centro de Investigación y de Estudios Avanzados del IPN Cinvestav-Tamaulipas Dr. Gregorio

Más detalles

Introducción a los algoritmos genéticos y sus aplicaciones

Introducción a los algoritmos genéticos y sus aplicaciones Introducción a los algoritmos genéticos y sus aplicaciones Autora: Piedad Tolmos Rodríguez-Piñero Dirección: Paseo de los Artilleros s/n Madrid 28032 Teléfono: 91-3019901 E-Mail: tolmos@poseidon.fcjs.urjc.es

Más detalles

Control de calidad del. Ciudad de La Rioja Mayo 2013

Control de calidad del. Ciudad de La Rioja Mayo 2013 Control de calidad del Hormigón Ciudad de La Rioja Mayo 2013 Control de calidad Desde que se comenzó con la producción de bienes, se han hecho intentos en controlar el proceso de manera de mejorar la calidad

Más detalles

TEMA 4: TÉCNICAS DE PLANIFICACIÓN DE PROYECTOS

TEMA 4: TÉCNICAS DE PLANIFICACIÓN DE PROYECTOS TEMA 4: TÉCNICAS DE PLANIFICACIÓN DE PROYECTOS 4.1. Objetivos Establecer una relación esfuerzo / tiempo cronológico Estudiar el posible paralelismo de las tareas Situar las tareas en un esquema cronológico

Más detalles

I GE IERÍA DEL SOFTWARE. Mª Dolores Carballar Falcón 28935146L

I GE IERÍA DEL SOFTWARE. Mª Dolores Carballar Falcón 28935146L I GE IERÍA DEL SOFTWARE. Mª Dolores Carballar Falcón 28935146L REFERE CIA AL SISTEMA EDUCATIVO ACTUAL. Los contenidos de este tema, están enfocados a introducir al alumno en el concepto de Ingeniería del

Más detalles

ADMINISTRACIÓN DE PROYECTOS

ADMINISTRACIÓN DE PROYECTOS ADMINISTRACIÓN DE PROYECTOS QUÉ ES LA ADMINISTRACIÓN DE PROYECTOS? Es la planeación, organización, dirección y control de los recursos para lograr un objetivo a corto plazo. También se dice que la administración

Más detalles

Bienvenidos a GateLab

Bienvenidos a GateLab Bienvenidos a GateLab Que es GateLab? Es un conjunto de elementos software que permiten la publicación y el posterior acceso, en modo seguro, a la información depositada por el Laboratorio en un espacio

Más detalles

Project 2013. Ing. Christian Ovalle

Project 2013. Ing. Christian Ovalle 2013 Ing. Christian Ovalle PROJECT Antes de comenzar un proyecto se necesitan definir los objetivos de un proyecto y luego determinado, cuales son las tareas que necesita realizar para alcanzar ese objetivo.

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

Pocos sectores se han mostrado en los

Pocos sectores se han mostrado en los FORMACIÓN El Gestor de Cartera: La respuesta de Unicaja a su proceso de caterización Ofrecer un servicio diferenciado y de calidad, con el asesoramiento como fundamento, es el objetivo prioritario que

Más detalles

Modelo de un Algoritmo Genético con Selección Discriminatoria de Individuos bajo un Esquema de Ponderación de Probabilidades de Mutación

Modelo de un Algoritmo Genético con Selección Discriminatoria de Individuos bajo un Esquema de Ponderación de Probabilidades de Mutación Modelo de un Algoritmo Genético con Selección Discriminatoria de Individuos bajo un Esquema de Ponderación de Probabilidades de Mutación Victor Manuel Arroyo Apaza Orientador: Dr. Yván Jesús Túpac Valdivia

Más detalles

Primera clase. Introducción. Pert

Primera clase. Introducción. Pert Primera clase Introducción Admitiendo que la ejecución de un proyecto o elaboración se puede subdividir en planear, programar y controlar, hablando de manera clásica (ya hablaremos del componente dinámico

Más detalles