Métodos heurísticos y estocásticos para búsqueda de óptimos
|
|
- Juan Francisco Álvarez Ortiz de Zárate
- hace 5 años
- Vistas:
Transcripción
1 Reconocimiento estadístico de patrones Métodos heurísticos y estocásticos para búsqueda de óptimos Grupo de Tecnología del Habla Departamento de Ingeniería Electrónica E.T.S.I. Telecomunicación Universidad Politécnica de Madrid José Manuel Pardo
2 Introducción I Estimación aprendizaje paramétrico: Métodos analíticos- problemas simples- (visto hasta ahora) Métodos exhaustivos- intratables Métodos heurísticos: De gradiente. Hill climbing Tabu search Métodos estocásticos Simulated annealing Algoritmos genéticos 2
3 Introducción II Comparación formal: Coste computacional Supera máximos locales Solución garantizada Heurísticos Hill climbing Tabu Search Bajo Medio No A veces Máximo local Máximo local Simulated Annealing Medio A veces Máximo local Estocásticos Genetic Algorithms Alto Sí Ninguna 3
4 Introducción III Comparación informal, Hill climbing: Hill climbing es como soltar un canguro en algún lugar del globo diciéndole que vaya solo hacia arriba y esperando que su punto final sea el Monte Everest Tomada de material de R. G. Clegg 4
5 Introducción IV Comparación informal, Simulated annealing: hic Simulated Annealing es hacer lo mismo que antes pero primero emborrachándole mucho Tomada de material de R. G. Clegg 5
6 Introducción IV Comparación informal, Algoritmos genéticos: Algoritmos genéticos es como llenar un avión de canguros, y dejar que se reproduzcan libremente Tomada de material de R. G. Clegg 6
7 Introducción VI Comparación informal: Algoritmos géneticos Aaaargh! Ouch y matando regularmente a los que estén en altitudes más bajas Tomada de material de R. G. Clegg 7
8 Otros problemas que se resuelven El problema TSP (the travelling salesman problem) es un problema clásico de optimización. Un vendedor debe visitar n ciudades en el tiempo más corto posible ciudad tiene 1 orden posible 2 ciudades tienen 2 3 ciudades tienen 6 4 ciudades tienen 24 n ciudades tienen n! La dificultad es del orden O(n!) El problema también tiene una solución por programación dinámica 8
9 Tabu search I Métodos iterativos y de vecindad hill climbing o descending (revisited): 1.Elegir solución inicial entre las posibles S. 2.Definir conjunto de posibles soluciones siguientes N(i) 3.Encontrar una mejor solución en N(i) (i.e. tal que f(j) f(k) para cualquier k en N(i)). 4.Si f(j) f(i) paramos, else i=j y vuelta a paso 2 i S N(i) 9
10 Tabu search II 1. Elegir solución inicial i entre las posibles S. 2. Generar un subconjunto V* de soluciones en N(i) 3. Encontrar una mejor solución j in V* (i.e. tal que f(j) f(k) para cualquier k en V*) y hacer i=j. 4. Si f(j) f(i) paramos, else vuelta a paso 2 En métodos tradicionales V* = N(i) Una buena elección de V* puede ser una gran mejora y es crucial en TS i S N(i) V* 10
11 Tabu search III Algoritmo definitivo 1. Elegir solución inicial i entre las posibles S. i* = i y k=0 2. k=k+1 y generar un subconjunto V* de soluciones en N(i,k): No viola las condiciones t r (i,m) T r Cumple una de las condiciones a r (i,m) A r (i,m) 3. Encontrar una mejor solución j=i m en V* (con respecto a alguna función f o modificada) y hacer i=j. 4. Si f(i) f(i*) i*=i 5. Actualizar condiciones tabú t r y de aspiración a r 6. Si hay condición de terminación, paramos, else vuelta a paso 2 11
12 Simulated annealing Configuracion normal y configuración imposible Configuración normal Configuración imposible Gráficas procedentes de [Duda01] 2001 John Wiley & Sons 12
13 Simulated annealing Situaciones típicas Gráficas procedentes de [Duda01] 2001 John Wiley & Sons 13
14 Algoritmo 14
15 Algoritmo Cuatro aspectos para considerar: Representación de las soluciones Definición de la función de coste Definición de la función de generación del vecindario Diseño del esquema de enfriamiento: Temperatura inicial Regla de actualización de la temperatura Número de iteraciones que se realizan en cada iteración Criterio de parada E = s i 1 2 = ±1 N i, j= 1 ω s s selección aleatoria de estado i T ( 0) ij i j ( 0), T ( 1 ), T ( 2), K T ( ) T, k máx varias visitas de cada nodo i 15
16 Algoritmo Finalmente: Puedo guardar cada configuración en el caso de que el mínimo final sea peor que alguno de los guardados. 16
17 Algoritmo Diseño del esquema de enfriamiento: T(0) debe ser suficientemente alta como para que todas las soluciones tengan energía similar Enfriamiento debe ser suficientemente lento para evitar que quede atrapado en máximos locales T(k máx ) debe ser suficientemente baja como para que la solución no salga de un máximo global T k + 1 = ct k con 0 < c < 1, y 0,8 < c < Esquema típico: Finalmente: ( ) ( ) 0, 99 Puedo guardar cada configuración en el caso de que el mínimo final sea peor que alguno de los guardados. 17
18 N=6, 2 6 configuraciones, transiciones en negro, bajan la energia transisciones en rojo suben la energía Gráficas procedentes de [Duda01] 2001 John Wiley & Sons 18
19 Probabilidad de estar en cada estado 19
20 Bibliografía (I) Pattern Classification (2 nd Edition) Richard O. Duda, Peter E. Hart, David G. Stork John Wiley & Sons. ISBN C Programming (the Final Lecture) R. G. Clegg A tutorial on Tabu Search Alain Hertz1, Eric Taillard2, Dominique de Werra1 Disponible online en 20
21 Bibliografía (II) 21
Tema 1. Heurísticos en Optimización Combinatorial
Tema 1. Heurísticos en Optimización Combinatorial p. 1/2 Tema 1. Heurísticos en Optimización Combinatorial Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesTema 1. Heurísticos en Optimización Combinatorial
Tema 1. Heurísticos en Optimización Combinatorial Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Euskal
Más detallesOptimización Heurística
Recocido Simulado (RS) Optimización Heurística Recocido Simulado Problema de la búsqueda local: Como siempre trata de mejorar, se atora en los máximos locales Idea: Escapar de máximos locales permitiendo
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesHeurísticas y Metaheurísticas
Heurísticas y Metaheurísticas Laboratorio de Algoritmos y Estructuras de Datos III 2 do Cuatrimestre de 2013 Laboratorio de Algo III DC - FCEyN - UBA 2 do Cuatrimestre de 2013 1 / 24 Menú del día 1 Problemas
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesINSTITUTO TECNOLÓGICO DE NUEVO LAREDO. INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia: Inteligencia Artificial. Catedrático:
INSTITUTO TECNOLÓGICO DE NUEVO LAREDO. INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia: Inteligencia Artificial. Catedrático: Ing. Bruno López Takeyas. Tema Equipo 3 : Hill Climbing. Alumnos: Alvarado
Más detallesEstado 0 (valor = 3) Estado 2 (valor = 7) Estado 1.3 (valor = 9)
Búsqueda local Fernando Berzal, berzal@acm.org Búsqueda local Ascensión de colinas Enfriamiento simulado Algoritmos genéticos 1 Ascensión de colinas Ascensión de colinas simple E: Estado activo while (E
Más detallesBúsqueda Informada. Algoritmos primero el mejor Algoritmos de búsqueda local
Búsqueda Informada Algoritmos primero el mejor Algoritmos de búsqueda local Algoritmos primero el mejor Búsqueda primero el mejor Búsqueda Voraz A* Algoritmos primero el mejor Familia de algoritmos de
Más detallesSimulated Annealing & Tabu Search
Simulated Annealing & Tabu Search Arturo Díaz Pérez Sección de Computación Departamento de Ingeniería Eléctrica CINVESTAV-IPN Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México,
Más detallesUSO E IMPLEMENTACIÓN DE MÉTODOS META HEURÍSTICOS DE TIPO TABU PARA RESOLUCIÓN DE PROBLEMAS DE OPTIMIZACIÓN DUROS
RESOLUCIÓN DE PROBLEMAS DE OPTIMIZACIÓN DUROS Jeffersson Saúl Reyes Lasso 1, Fernando Sandoya 2 1 Ingeniero en Estadística Informática 2003 2 Director de Tesis, Matemático Escuela Politécnica Nacional,
Más detallesModelos predictivos y de optimización de estructuras de hormigón
http://optimizacionheuristica.blogs.upv.es 1 Modelos predictivos y de optimización de estructuras de hormigón Dr. Ing. Víctor Yepes Piqueras Departamento de Ingeniería de la Construcción y Proyectos de
Más detallesCurso /10/12. Inteligencia Artificial (30223) Lección 5. Búsqueda local. Índice. Problemas de optimización y búsqueda local
Inteligencia Artificial () Lección. Búsqueda local Curso - José Ángel Bañares //. Dpto. Informática e Ingeniería de Sistemas. Índice Problemas de optimización, búsqueda local Escalada/Hill Climbing Enfriamiento
Más detallesInteligencia Computacional
Inteligencia Computacional Recocido simulado http://blancavg.com/tc3023/ Blanca A. Vargas Govea * vargasgovea@itesm.mx * Agosto 28, 2012 Monte Carlo John von Neumann, S. Ulam, N. Metrópolis (40s) Kirkpatrick
Más detallesENTRENAMIENTO DE UNA RED NEURONAL ARTIFICIAL USANDO EL ALGORITMO SIMULATED ANNEALING
Scientia et Technica Año X, No 24, Mayo 2004. UTP. ISSN 0122-1701 13 ENTRENAMIENTO DE UNA RED NEURONAL ARTIFICIAL USANDO EL ALGORITMO SIMULATED ANNEALING RESUMEN La modificación de los pesos y bias con
Más detallesParticionamiento Numérico CIMPA-UCR. usando Metaheurísticas de Optimización
Particionamiento Numérico usando Metaheurísticas de Optimización 1 Métodos de vecindarios 1.1 Sobrecalentamiento simulado 1.2 Búsqueda tabú Optimizacion Combinatoria F: S R S: espacio de estados (soluciones
Más detallesAlgoritmos Genéticos. Héctor Alejandro Montes
Algoritmos Genéticos hamontesv@uaemex.mx http://scfi.uaemex.mx/hamontes Evaluación del curso Ordinaria Tareas Examenes parciales Proyecto final Extraordinaria y a Título de Suficiencia Examen teórico Examen
Más detallesPráctica 2. Algoritmos de búsqueda local (local search algorithms) y algoritmos avariciosos (greedy algorithms)
PLANIFICACIÓN Y GESTIÓN DE REDES Grado en Ingeniería Telemática Curso 2012-2013 Práctica 2. Algoritmos de búsqueda local (local search algorithms) y algoritmos avariciosos (greedy algorithms) Autor: Pablo
Más detallesSIMULATED ANNEALING. Un algoritmo estocástico de búsqueda local
SIMULATED ANNEALING Un algoritmo estocástico de búsqueda local SIMULATED ANNEALING Hill-Climbing es un algoritmo incompleto porque puede estancarse en óptimos locales y no alcanzar el óptimo global pero
Más detallesALGORÍTMICA
ALGORÍTMICA 2012-2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesAlgoritmos basados en hormigas
Algoritmos basados en hormigas Inteligencia Artificial Avanzada 1er. Semestre 2008 1 Aspectos Generales La metáfora de los insectos sociales para resolver problemas ha sido un tema importante a partir
Más detallesMetaheurísticas y heurísticas. Algoritmos y Estructuras de Datos III
Metaheurísticas y heurísticas Algoritmos y Estructuras de Datos III Metaheurísticas Heurísticas clásicas. Metaheurísticas o heurísticas modernas. Cuándo usarlas? Problemas para los cuales no se conocen
Más detallesHerramienta Informática para la Aplicación de Técnicas Metaheurísticas a la Programación de la Producción de Sistemas Job-Shop
II Conferencia de Ingeniería de Organización Vigo, 5-6 Septiembre 2002 Herramienta Informática para la Aplicación de Técnicas Metaheurísticas a la Programación de la Producción de Sistemas Job-Shop Álvaro
Más detallesInteligencia Artificial
Inteligencia Artificial - Santiago Primer período académico 2007 1 Descripción de la Asignatura Nombre: Inteligencia Artificial Sigla: ILI-295 URL: http://www.inf.utfsm.cl/~mcriff/ia-s mcriff@inf.utfsm.cl
Más detallesInteligencia Artificial Búsqueda local
Inteligencia Artificial Búsqueda local Primavera 2007 profesor: Luigi Ceccaroni Búsqueda local En la búsqueda local (BL), se empieza de una configuración inicial (generalmente aleatoria) y se hacen pequeños
Más detallesEstudio de los algoritmos de mejora iterativa. Amador Aparicio de la Fuente Alfredo Javier Gonel Crespo
Estudio de los algoritmos de mejora iterativa Amador Aparicio de la Fuente amadapa@lab.fi.uva.es Alfredo Javier Gonel Crespo graffic@innocent.com Inteligencia Artificial I Curso 2005-2006 Índice 1. Algoritmos
Más detallesAlgoritmos. Algoritmos. Marisa López Vallejo. Referencias. Referencias (cont.) Optimización Combinatoria. Algoritmos (cont.)
Referencias Algoritmos Marisa López Vallejo Dpto. Ingeniería Electrónica ETSI Telecomunicación Textos utilizados [Mic94] G. De Micheli Synthesis and Optimization of Digital Circuits McGraw-Hill, 1994.
Más detallesELO-325 Introducción a SoftComputing y Aplicaciones. Optimización Sin Derivados. Dr. Tomás Arredondo Vidal. 1er Semestre 2007
ELO-325 Introducción a SoftComputing y Aplicaciones Optimización Sin Derivados Dr. Tomás Arredondo Vidal 1er Semestre 2007 Todos los métodos a discutir tienen las siguientes características comunes: No
Más detallesClasificación estadística de patrones
Clasificación estadística de patrones Clasificador gaussiano César Martínez cmartinez _at_ fich.unl.edu.ar Tópicos Selectos en Aprendizaje Maquinal Doctorado en Ingeniería, FICH-UNL 19 de setiembre de
Más detallesAgentes que resuelven problemas
Agentes que resuelven problemas 1. Formulación de meta (decidir que estados son objetivo) y del problema (decidir que acciones y estados se van a considerar) 2. Buscar una solución (examinar posibles acciones
Más detalles240ST Técnicas de Optimización en la Cadena de Suministro
Unidad responsable: 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona Unidad que imparte: 732 - OE - Departamento de Organización de Empresas Curso: 2017 Titulación: Créditos
Más detallesAsignaturas Temas Asignaturas Temas
1 Datos de la Asignatura Nombre de la asignatura: Carrera: Clave de la asignatura: Reconocimiento de Patrones Ingeniería en Sistemas CIE-0701 Horas teoría / práctica / Créditos: 2 2 6 2 Historia del Programa
Más detallesAlgoritmia para problemas difíciles
Algoritmia para problemas difíciles Elvira Mayordomo Universidad de Zaragoza 16 de septiembre de 2013 Elvira Mayordomo (Universidad de Zaragoza) Algoritmia para problemas difíciles 16 de septiembre de
Más detalles(V2.0) SILABO CS261T.
Sociedad Peruana de Computación Facultad de Computación Programa Profesional de (Ciencia de la Computación) (V2.0) SILABO CS261T. Inteligencia Artificial (Obligatorio) 2010-1 0. DATOS GENERALES 0.1 CARRERA
Más detallesAprendizaje no supervisado
Aprendizaje no supervisado Algoritmo de K medias Julio Waissman Vilanova Licenciatura en Ciencias de la Computación Universidad de Sonora Curso Inteligencia Artificial Plan del curso Aprendizaje no supervisado
Más detallesGrafos Eulerianos y Hamiltonianos. Algoritmos y Estructuras de Datos III
Grafos Eulerianos y Hamiltonianos Algoritmos y Estructuras de Datos III Grafos eulerianos Definiciones: Un circuito C en un grafo (o multigrafo) G es un circuito euleriano si C pasa por todos las aristas
Más detallesIngeniería en Sistemas Computacionales. Inteligencia Artificial. Ing. Bruno López Takeyas. Algoritmo Hill Climbing
Ingeniería en Sistemas Computacionales Inteligencia Artificial Ing. Bruno López Takeyas Algoritmo Hill Climbing Alumnos Ylliana Samantha Anderson Benavides 01100161 Pablo Saúl Hernández Ribota 01100230
Más detallesCOMPORTAMIENTO DE LOS ALGORTIMOS DE OPTIMIZACION EN LA RECONSTRUCCIÓN GEOMÉTRICA DE SÓLIDOS
COMPORTAMIENTO DE LOS ALGORTIMOS DE OPTIMIZACION EN LA RECONSTRUCCIÓN GEOMÉTRICA DE SÓLIDOS J. Conesa (1), M. Contero (2), P. Company (2) (1) Dpto. de Expresión Gráfica. Univer.Politécnica de Cartagena.
Más detallesBÚSQUEDA TABÚ (Tabu Search TS)
BÚSQUEDA TABÚ (Tabu Search TS) Oscar Lozano Búsqueda Tabú Metaheurístico que usa búsqueda agresiva del óptimo del problema. Agresiva = evitar que la búsqueda quede "atrapada" en un óptimo local que no
Más detalles1. Historial de la asignatura.
Nombre de la asignatura: PROGRAMACIÓN HEURÍSTICA Línea de investigación: Optimización Inteligente Horas teóricas - Horas prácticas - Horas trabajo adicional - Horas totales Créditos 32 16 64 112-7 1. Historial
Más detallesMD - Minería de Datos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 018 70 - FIB - Facultad de Informática de Barcelona 73 - CS - Departamento de Ciencias de la Computación 715 - EIO - Departamento
Más detallesMetaheurísticas Técnicas computacionales que resuelven iterativamente problemas de optimización, intentando mejorar una solución candidata con respect
Optimización Fernando Berzal, berzal@acm.org Optimización Metaheurísticas Técnicas de búsqueda local Ascensión de colinas Optimización basada en modelos naturales Enfriamiento simulado Modelos evolutivos
Más detallesÍndice...i. Notación...vii. Acrónimos...xi. Relación de figuras...xiii. Relación de tablas...xvii
Índice. Índice.....i Notación....vii Acrónimos.....xi Relación de figuras...xiii Relación de tablas...xvii 1 Introducción...1 1.1 Planteamiento general del problema de optimización...3 1.2 Técnicas de
Más detallesALGORITMOS DE BÚSQUEDA. Ing. Ronald A. Rentería Ayquipa
ALGORITMOS DE BÚSQUEDA Algoritmos de Búsqueda Tipos Tipos de algoritmos de búsqueda ALGORITMOS DE BÚSQUEDA NO INFORMADA ALGORITMOS DE BÚSQUEDA HEURÍSTICA Búsqueda no informada Introducción Búsqueda no
Más detallesIntroducción a la Computación (Matemática)
Introducción a la Computación (Matemática) Heurísticas de Programación Introducción a la Computación Menú del día de hoy Problemas Difíciles P y NP Viajante de Comercio Coloreo Problema de la mochila Ruteo
Más detallesAlgoritmia para problemas difíciles
Algoritmia para problemas difíciles Elvira Mayordomo Universidad de Zaragoza 21 de septiembre de 2015 Elvira Mayordomo (Universidad de Zaragoza) Algoritmia para problemas difíciles 21 de septiembre de
Más detallesCAPÍTULO 3. GRASP (Greedy Randomized Adaptive Search Procedures). Los problemas de optimización surgen de las situaciones de aplicación práctica.
CAPÍTULO 3 GRASP (Greedy Randomized Adaptive Search Procedures). Los problemas de optimización surgen de las situaciones de aplicación práctica. Estos problemas se aplican en distintas áreas, tales como:
Más detallesBúsqueda con información, informada o heurística
Búsqueda con información, informada o heurística Heurística Del griego heuriskein (encontrar, descubrir).» Arquímedes EUREKA!» Uso en IA 957, (G. Polya): Estudio de métodos para descubrir formas de resolución
Más detallesXXVIII Congreso Nacional de Estadística e Investigación Operativa, Cádiz, Octubre 2004
XXVIII Congreso Nacional de Estadística e Investigación Operativa, Cádiz, 25-29 Octubre 2004 Optimización mediante Cúmulos de Partículas del problema de secuenciación CONWIP Carlos Andrés Romano 1, José
Más detallesAproximaciones a problemas NP duros: Algoritmos heurísticos y aproximados
Aproximaciones a problemas NP duros: Algoritmos heurísticos y aproximados Algoritmos aproximados Decimos que H es un algoritmo ε- aproximado para el problema Π si para algún ε > 0 x H (I) - x*(i) ε x*(i)
Más detallesDescripción del problema:
PROBLEMA DEL AGENTE VIAJERO USANDO BÚSQUEDA TABU PROYECTO FINAL PROGRAMACIÓN CIENTIFICA ANGELES BAEZ OLVERA 4 JUNIO 2009 Descripción del problema: El problema del agente viajero o TSP como se le conoce
Más detallesGUÍA DOCENTE PARTE ESPECÍFICA
1. DESCRIPCIÓN DE LA ASIGNATURA Grado: Ingeniería en Informática en Sistemas de Información Asignatura: Inteligencia Artificial (IA) Semestre: Primer Semestre Créditos totales: 6 Curso: Cuarto Línea: L1
Más detallesRedes Bayesianas (3) Carlos Hurtado L. Depto. de Ciencias de la Computación, Universidad de Chile
Redes Bayesianas (3) Carlos Hurtado L. Depto. de Ciencias de la Computación, Universidad de Chile Referencia Tutorial NIPS (Neural Information Processing Systems Conference) 2001: Learning Bayesian Networks
Más detallesGrado en Estadística y PEC con el Grado en I. Informática
Grado en Estadística y PEC con el Grado en I. Informática GE 1C1 28 Fund. de Organización de Empresas 47070 31-1 M Escuela Informática GE 1C1 36 Fundamentos de Matemáticas 47071 21-1 M Escuela Informática
Más detallesAlgoritmo del solterón aplicado a la optimización de rutas con flotas heterogéneas VRPHESTW
Algoritmo del aplicado a la optimización de rutas con flotas heterogéneas VRPHESTW V. Yepes 1 y J.R. Medina 2 1 Dept. Ingeniería de la Construcción y Proyectos de Ingeniería Civil 2 Dept. Ingeniería e
Más detallesAplicación de la Metaheurística "Simulated Annealing" al Balanceo de Líneas de Ensamble Simples
Aplicación de la Metaheurística "Simulated Annealing" al Balanceo de Líneas de Ensamble Simples Leticia Capella 1, Agustín Montagna 1, NélidaCamussi 1, Diego Cafaro 1 1 Depto. de Ingeniería Industrial
Más detallesCONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
Más detallesMétodos Constructivos. Empiezan desde una solución vacía (a veces pequeña)
Métodos Constructivos Empiezan desde una solución vacía (a veces pequeña) En repetidas ocasiones, extienden la solución actual hasta que una solución completa se construye. Utiliza una heurística para
Más detallesIntroducción a los Algoritmos Genéticos. Héctor Alejandro Montes
Introducción a los Algoritmos Genéticos hamontesv@uaemex.mx http://scfi.uaemex.mx/hamontes Problema Los principios de Selección Natural han sido fundamentales en la evolución de la vida Éstos mismo principios
Más detallesNUEVOS ALGORITMOS INTELIGENTES PARA REDES DE DISTRIBUCIÓN DESEQUILIBRADAS. Ana Morales Directora General DIgSILENT Ibérica
NUEVOS ALGORITMOS INTELIGENTES PARA REDES DE DISTRIBUCIÓN DESEQUILIBRADAS Ana Morales Directora General DIgSILENT Ibérica NUEVOS ALGORITMOS DIgSILENT trabaja en el desarrollo de nuevos algoritmos para
Más detallesAPLICACIÓN DEL SIMULATED ANNEALING AL PROBLEMA DE LAS N REINAS
Scientia et Technica Año XI, No 9, Diciembre de 005. UTP. ISSN 0-70 APLICACIÓN DEL MULATED ANNEALING AL PROBLEMA DE LAS N REINAS RESUMEN El Simulated Annealing, como técnica de optimización combinatorial,
Más detallesY ELECTRÓNICA División Departamento Carrera. Área del Conocimiento. Asignatura: Horas/semana: Horas/semestre: Obligatoria Teóricas 4.0 Teóricas 64.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO HERRAMIENTAS COMPUTACIONALES PARA LA OPTIMACIÓN DE SISTEMAS ENERGÉTICOS INGENIERÍA ELÉCTRICA 9 8 Asignatura Clave Semestre
Más detallesRECOCIDO SIMULADO APLICADO AL PROBLEMA DE LA MOCHILA
PROYECTO FINAL DE PROGRAMACIÓN CIENTÍFICA JUNIO 2009 RECOCIDO SIMULADO APLICADO AL PROBLEMA DE LA MOCHILA por YADIRA ALONDRA DE SANTIAGO BADILLO UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN RESUMEN: En el siguiente
Más detallesUNIVERSIDAD TECNOLOGICA DE PEREIRA FACULTAD DE INGENIERIAS
Asignatura Código Estructura de Datos IS34 Créditos 4 Intensidad semanal Requisitos 6 Horas IS284 Justificación Objetivo general Objetivos Específicos El propósito es la continuación del estudio de los
Más detallesInteligencia Computacional
Inteligencia Computacional Búsqueda local: hill-climbing http://blancavg.com/tc0/ Blanca A. Vargas Govea * blanca.vg@gmail.com * Agosto, 0 La solución es una secuencia de acciones A-I-G-H A B I C G D E
Más detallesOptimización n de Modelos
Optimización n de Modelos INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÒMPUTO M. En C. Eduardo Bustos Farías Plan Introducción Definiciones Clasificación Tabu y Otros Recocido Simulado Algoritmos
Más detallesINDICE. Procedimiento 4. Mutación Paramétrica. 8
INDICE Introducción. 3 Objetivo 4 Procedimiento 4 Algoritmo Principal. 6 Inicialización de la Población 6 Función de Aptitud.. 7 Selección de la Nueva Población. 7 Mutación Estructural 8 Mutación Paramétrica.
Más detalles1. Unidad Académica: Facultad de Ciencias
UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA COORDINACIÓN DE FORMACIÓN BÁSICA COORDINACIÓN DE FORMACIÓN PROFESINAL Y VINCULACIÓN UNIVERSITARIA PROGRAMA DE UNIDADES DE APRENDIZAJE POR COMPETENCIAS 1. Unidad
Más detallesPLAN DE ESTUDIOS 1996
Ríos Rosas, 21 28003 MADRID. UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MINAS ------- DEPARTAMENTO DE MATEMÁTICA APLICADA Y MÉTODOS INFORMÁTICOS PROGRAMA DE LA ASIGNATURA
Más detallesDOMINIOS COGNITIVOS (Objetos de estudio, temas y subtemas)
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: DES: Ingeniería Programa(s) Educativo(s): Ingeniería en Ciencias de la Computación Tipo de materia: Obligatoria Clave de la materia: CI676 Semestre: 6 Área en plan
Más detallesVíctor Yepes Piqueras, Ph.D. Dr. Ingeniero de Caminos, Canales y Puertos Profesor Titular de Universidad
INTRODUCCIÓN A LA OPTIMIZACIÓN HEURÍSTICA EN INGENIERÍA Víctor Yepes Piqueras, Ph.D. Dr. Ingeniero de Caminos, Canales y Puertos Profesor Titular de Universidad http://victoryepes.blogs.upv.es/ @vyepesp
Más detallesOptimización Combinatoria y en Redes
Optimización ombinatoria y en Redes Problema de flujo de coste mínimo. Problema de flujo máximo. Problema de la mochila. Problema de emparejamiento. Árbol de expansión de coste mínimo. Problema del viajante.
Más detallesTodas las Imágenes y definiciones son del autor. En caso de que no fuera así, vendrá acompañada de la correspondiente referencia.
Notas: REFERENCIAS E IMÁGENES: Todas las Imágenes y definiciones son del autor. En caso de que no fuera así, vendrá acompañada de la correspondiente referencia. ANGLICISMOS: Los anglicismos usados en esta
Más detallesANÁLISIS Y DISEÑO DE REDES DE DATOS 6 Asignatura Clave Semestre Créditos
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO ANÁLISIS Y DISEÑO DE REDES DE DATOS 6 Asignatura Clave Semestre Créditos DIE TELECOMUNICACIONES TELECOMUNICACIONES División
Más detallesProgramación Dinámica
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 30 Programación Dinámica ICS 1102 Optimización Profesor : Claudio Seebach 20 de noviembre
Más detallesAlgoritmo de colonia de hormigas para el problema de ruteo de vehículos con dependencia temporal. Santiago Balseiro Irene Loiseau Juan Ramonet
Algoritmo de colonia de hormigas para el problema de ruteo de vehículos con dependencia temporal Santiago Balseiro Irene Loiseau Juan Ramonet Hoja de Ruta Introducción al Problema Algoritmos Interfaz Gráfica
Más detallesINTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA
1.PRESENTACIÓN ASIGNATURA DE MÁSTER: INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA Curso 2015/2016 (Código:31104021) La programación matemática es una potente técnica de optimización utilizada en el proceso
Más detallesIntroducción la placa alveolar OBJETO Y ALCANCE DE LA TESIS REQUISITOS EXIGIBLES A LOS PRODUCTOS DE CONSTRUCCIÓN...
Indice general. Índice general. Introducción la placa alveolar... 59 1.1 OBJETO Y ALCANCE DE LA TESIS.... 59 1.2 REQUISITOS EXIGIBLES A LOS PRODUCTOS DE CONSTRUCCIÓN.... 64 1.3 LA PLACA ALVEOLAR EN SITUACIÓN
Más detallesPanorámica de los procedimientos metaheurísticos
Panorámica de los procedimientos metaheurísticos ABRAHAM DUARTE www.grafo.etsii.urjc.es 1 Optimización o En lenguaje coloquial, optimizar significa mejorar o En el contexto científico, es el proceso de
Más detallesDimensionamiento y Planificación de Redes
Dimensionamiento y Planificación de Redes Tema 2. Algoritmos Sobre Grafos Calvo Departamento de Ingeniería de Comunicaciones Este tema se publica bajo Licencia: Crea:ve Commons BY- NC- SA 4.0 Búsqueda
Más detallesControl Óptimo Avanzado
Control Óptimo Avanzado Página 1 de 9 Programa de: Control Óptimo Avanzado UNIVERSIDAD NACIONAL DE CÓRDOBA Facultad de Ciencias Exactas, Físicas y Naturales República Argentina Carrera: Ingeniería Electrónica
Más detallesInteligencia Artificial
Algoritmos genéticos Bases En la naturaleza todos los seres vivos se enfrentan a problemas que deben resolver con éxito, como conseguir más luz solar o conseguir comida. La Computación Evolutiva interpreta
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesNombre de la Unidad de Aprendizaje. Clave de la UA Modalidad de la UA Tipo de UA Valor de créditos Área de formación
Misión del Centro Universitario Somos un centro que forma parte de la Red Universitaria de la Universidad de Guadalajara. Como institución de educación superior pública asumimos el compromiso social de
Más detallesUniversidad Nacional de San Agustín VICE RECTORADO ACADÉMICO SILABO
Universidad Nacional de San Agustín VICE RECTORADO ACADÉMICO SILABO CODIGO DEL CURSO: CS360 1 Datos Generales FACULTAD : Ingeniería de Producción y Servicios DEPARTAMENTO :Ingeniería de Sistemas e Informática
Más detallesALGORÍTMICA
ALGORÍTMICA 2012 2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesConceptos Básicos. En la vida siempre se enfrentan problemas en donde se deben tomar decisiones,
Capítulo 2 Conceptos Básicos En la vida siempre se enfrentan problemas en donde se deben tomar decisiones, tratando de llegar a un objetivo. La optimización es una herramienta que facilita dicha tarea.
Más detallesCAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA
CAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA Programación Lineal Entera Es una técnica que permite modelar y resolver problemas cuya característica principal es que el conjunto de soluciones factibles es discreto.
Más detallesMetaheurísticas
UNIVERSIDAD DE GRANADA E.T.S.I. INFORMÁTICA Y TELECOMUNICACIÓN Departamento de Ciencias de la Computación e Inteligencia Artificial Metaheurísticas http://sci2s.ugr.es/graduatecourses/metaheuristicas https://decsai.ugr.es
Más detallesPlan 95 Adecuado. DEPARTAMENTO: ELECTRÓNICA CLASE: Electiva de Especialidad. ÁREA: SISTEMAS DE CONTROL HORAS SEM.: 4 HS.
Plan 95 Adecuado ASIGNATURA: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL CODIGO: 95-0488 DEPARTAMENTO: ELECTRÓNICA CLASE: Electiva de Especialidad. ÁREA: SISTEMAS DE CONTROL HORAS SEM.: 4 HS. HORAS / AÑO:
Más detallesEste tercer capítulo explica todo lo referente a la heurísticas su definición, su uso, la
CAPÍTULO III 3 METODOLOGÍA Este tercer capítulo explica todo lo referente a la heurísticas su definición, su uso, la heurística Búsqueda Tabú, su historia, los pasos a seguir en esta heurística. 3.1 Explicación
Más detalles