Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/10624| Title: | OPTIMIZACION DE CONTROLADORES DIFUSOS APLICANDO ALGORITMOS BIOINSPIRADOS EN LA NUBE |
| Authors: | ALEJANDRA, MANCILLA SOTO%228191 |
| metadata.dc.subject.other: | sistemas autónomos |
| Issue Date: | 2024-05-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Tijuana |
| Description: | En el ámbito de los sistemas autónomos, optimizar los mecanismos de control para lograr alta precisión y adaptabilidad en el seguimiento de trayectorias sigue siendo un desafío importante. Esta investigación profundiza en la aplicación de metaheurísticas basadas en múltiples poblaciones para optimizar los controladores de sistemas difusos para el seguimiento de trayectorias, proponiendo una implementación en la nube. Mediante un análisis exhaustivo, exploramos la aplicabilidad de algoritmos evolutivos y de inteligencia de enjambre para estas tareas. Un punto central de nuestro trabajo es el desarrollo de un nuevo enfoque para la adaptación dinámica de parámetros para algoritmos multipoblacionales. Esta metodología busca mejorar los controladores difusos y acelerar significativamente el tiempo de ejecución asociado con el ajuste de parámetros. Nuestro marco experimental evalúa el enfoque propuesto en diversos escenarios, comparándolo con métodos de optimización tradicionales. Los resultados revelan una mejora notable en las métricas de rendimiento de los controladores, incluyendo el tiempo de respuesta, la precisión y la adaptabilidad a entornos dinámicos. Nuestros hallazgos subrayan el potencial de utilizar implementaciones nativas de la nube de algoritmos basados en poblaciones en una plataforma en la nube. Esta opción es financieramente viable y elimina la necesidad de inversiones adicionales en hardware y gastos administrativos. Esta investigación contribuye al campo al proporcionar un marco sólido para optimizar los controladores de sistemas difusos mediante algoritmos bioinspirados. Nuestros hallazgos subrayan el potencial de la optimización bioinspirada para mejorar las capacidades de los sistemas autónomos, allanando el camino para futuras innovaciones en este campo en rápida evolución. |
| metadata.dc.type: | info:eu-repo/semantics/doctoralThesis |
| Appears in Collections: | DOCTORADO EN CIENCIAS EN COMPUTACIÓN |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MANCILLA SOTO.pdf | TESIS DE DOCTORADO | 3.4 MB | Adobe PDF | View/Open |
| MANCILLA SOTO_CESION DE DERECHOS .pdf Until 9999-01-01 | CESION DE DERECHOS | 221.29 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
