Veuillez utiliser cette adresse pour citer ce document :
https://rinacional.tecnm.mx/jspui/handle/TecNM/7945| Titre: | OPTIMIZACIÓN GENERALIZADA PARA PROBLEMAS DE AGRUPACIÓN: UN ENFOQUE COEVOLUTIVO AUTO-ADAPTATIVO |
| Auteur(s): | Aran Perez, Jordan Michelt |
| Date de publication: | 2024-02-01 |
| Editeur: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Ciudad Madero |
| Description: | Este estudio introduce un Algoritmo Coevolutivo de Agrupación con Cooperación Auto-Adaptativa (GCA-AC), diseñado como una solución general a problemas de agrupación. En particular, se centra en dos problemas especí cos: el Problema de Empaquetado de Contenedores de una Dimensión (BPP-1D) y el Problema de Programaci ón de Máquinas Paralelas (PMS). Existe un vasto abanico de algoritmos genéticos y estrategias evolutivas que han sido propuestas como soluciones a la familia de los problemas de agrupación. Sin embargo, estos métodos pueden tener limitaciones en cuanto a adaptabilidad y rendimiento, lo cual motiva la búsqueda de nuevas estrategias que combinen y mejoren las existentes. El GCA-AC se presenta como una innovadora solución que combina diversas estrategias evolutivas para mejorar su adaptabilidad y rendimiento. Una de las principales contribuciones de este estudio es el mecanismo de auto-adaptación del GCAAC, que permite ajustar dinámicamente sus parámetros, ofreciendo una respuesta más e ciente a los cambios en el ambiente del problema. Los resultados de la investigación indican que el GCA-AC es competente en la búsqueda de soluciones de calidad para los problemas BPP-1D y PMS, comparables con las generadas por algoritmos especializados ya existentes. Este estudio propone que la combinación de algoritmos genéticos con estrategias de coevolución y autoadaptaci ón puede ser un enfoque fructífero para el desarrollo de algoritmos de agrupación universales. A pesar de los prometedores resultados que este estudio proporciona, se reconoce que aún hay mucho por descubrir. Por lo tanto, se sugieren múltiples oportunidades para futuras líneas de investigación. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Collection(s) : | Maestría en Ciencias de la Computación |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| G16070192_donacion_tesis_bib (5).pdf | Tesis | 1.29 MB | Adobe PDF | Voir/Ouvrir |
| G16070192_donacion_licencia_bib (5).pdf Jusqu'Ã 2050-01-01 | Licencia | 131.96 kB | Adobe PDF | Voir/Ouvrir Demander une copie |
Ce document est protégé par copyright |
Ce document est autorisé sous une licence de type Licence Creative Commons
