Ciencias Exactas y Ciencias de la Salud
Permanent URI for this collectionhttps://hdl.handle.net/11285/551039
Pertenecen a esta colección Tesis y Trabajos de grado de las Maestrías correspondientes a las Escuelas de Ingeniería y Ciencias así como a Medicina y Ciencias de la Salud.
Browse
Search Results
- Optimización de Corte de Material en Dos Dimensiones Mediante Hiperheurísticas Construidas con un Algoritmo Genético(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2004-01-12) Morán Saavedra, Armando; Dr. Hugo Terashima Marín; Dr. Horacio Martínez Alfaro; Dr. Manuel Valenzuela Rendón; ITESMEn la presente tesis se plantea explorar y aprovechar un enfoque reciente de bÚsqueda llamado Hiperheurística para resolver Problemas de Optimización de Corte de Material en Dos Dimensiones. Las hiperheurísticas son una combinación de heurísticas que en conjunto son capaces de encontrar mejores resultados que cada heurística simple. Actualmente varios de los enfoques para atacar este tipo de problemas de Optimización utilizan Algoritmos Genéticos los cuales se conforman de una codificación directa del problema en el cromosoma, sin embargo, a pesar de que los resultados obtenidos mediante estas técnicas no son ineficientes, no han gozado del suficiente éxito ya que requieren un alto grado de conocimiento específico del dominio y dicha representación genera que el espacio de bÚsqueda y el tiempo requerido para ejecutarlos crezca considerablemente conforme la entrada de los problemas crece. Una posible respuesta a estos inconvenientes es la codificación indirecta del problema, es decir, que los individuos no representen una solución al problema sino un proceso de solución. El presente trabajo propone utilizar una hiperheurística para tal fin de modo que se utilice un algoritmo genético para la construcción de una hiperheurística que solucione el problema. Existen métodos similares que ya han tenido éxito resolviendo otros problemas de Optimización como la Asignación de Horarios para Exámenes, Problemas de Acomodo de Cajas en Depósitos, entre otros. Tales resultados son un aliciente para la implantación de este nuevo enfoque que intenta eludir los inconvenientes que presenta la codificación directa y con esto poder evaluar su eficiencia para resolver una clase de problemas de tipo NP-completos que cuenta con mÚltiples aplicaciones industriales.
- Heurísticas con Algoritmos Genéticos para Ordenamiento Dinámico de Variables en Problemas de Satisfacción de Restricciones(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2004-01-09) De la Calleja Manzanedo, René; Dr. Hugo Terashima Marín; Dr. Eduardo Uresti Charre; Dra. Olivia M. Barrón Cano; ITESMLos Problemas de Satisfacción de Restricciones (PSR o CSP por sus siglas en inglés) representan un tópico de gran interés dentro de la Inteligencia Artificial y surgen en muchas áreas de esta como lo son planeación, visión, distribución de recursos en itinerarios entre otros. Básicamente un CSP está compuesto por un conjunto de variables, un dominio de valores posibles para cada variable y un conjunto de restricciones definidas sobre los valores que pueden tomar las variables simultáneamente. En general, estos problemas son de tipo NP-completos y son dignos de ser estudiados dado que son problemas que cuentan con características Únicas las cuales pueden ser explotadas para llegar a una solución. Un nÚmero de enfoques diferentes han sido desarrollados para solucionar problemas de este tipo. En particular, cualquier técnica determinística de bÚsqueda de solución que sea escogida para atacar este problema, puede ver mejorada significativamente su eficiencia si es que se determina un buen orden de variables a instanciar, así como un buen orden de valores a asignar a estas variables. Numerosas técnicas, las cuales se basan en heurísticas de tipo ya sea estático o dinámico, han sido propuestas para solucionar estos Últimos problemas. En el presente trabajo se hace uso de los Algoritmos Genéticos, los cuales han demostrado ser lo suficientemente robustos para resolver una amplia variedad de problemas, para determinar este orden en las variables a instanciar de manera dinámica y acoplarlo a un algoritmo de bÚsqueda convencional. Se muestra en este trabajo que mediante este enfoque es posible obtener resultados suficientemente aceptables en la eficiencia del proceso de bÚsqueda por una solución. Asimismo, se analiza también bajo qué circunstancias este enfoque resulta más eficiente que algunas otras heurísticas propuestas en la literatura.
- Generación de árboles Filogenéticos por Medio de Algoritmos Genéticos de Función Objetivo Híbrido(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2002-01-09) Watanabe Sakurazawa, Ryosuke L. A.; Ramos, Fernando; Vallejo Clemente, Edgar; Cueva, Víctor de la; ITESMEste documento propone un nuevo método para el estudio filogenético. Este método propuesto utiliza algoritmos genéticos con una fusión objetivo híbrida para la evaluación y generación de árboles filogenéticos. Para la generación de los árboles filogenéticos, el algoritmo genético, crea una población de árboles aleatoria cuyas hojas o nodos son diferentes. Cada elemento (árbol) se evalÚa mediante una función objetivo híbrida, la cual combina dos criterios normalizados: máxima parsimonia y matriz de distancia (DMM) que darán su valor de aptitud a cada elemento, posteriormente se realizan las operaciones básicas del algoritmo genético como son la selección, cruza y mutación. La hipótesis en la que se fundamenta este trabajo de investigación es que las formas de evaluación existentes para generar árboles filogenéticos no siempre son el mejor modelo para generar el árbol. y que la evaluación híbrida es una forma de aprovechar las fortalezas y las minimizar debilidades de ambos métodos. Para validar su desempeño, se realizaron pruebas con cadenas ADN de HIV (virus del SIDA) y con cadenas de proteínas de E-Coli (Escherichia Coli). Estos árboles se comprobaron con los obtenidos con los métodos de Matriz de Distancia y Máxima Parsimonia. También los resultados se interpretaron y evaluaron por expertos de (UNAM) IBT (Instituto de Biotecnología de la Universidad Autónoma Nacional de México). Los resultados experimentales obtenidos indican que el método propuesto es capaz de inducir relaciones filogenéticas significativas dentro de una misma especie.
- Eficientización de un Algoritmo Genético para la Optimización de Secuencias de Destilación Utilizando un Simulador(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2001-01-12) Leboreiro Hernández, José; Dr. Joaquín Acevedo MascarÚa; Dr. Miguel Angel Romero Ogawa; Dr. Eduardo Gómez-Maqueo Aréchiga; ITESMLa obtención de soluciones a problemas de optimización que representen avances reales de procesos tan estudiados como la destilación requiere del empleo de modelos matemáticos rigurosos tanto para la operación misma como para el cálculo de propiedades termodinámicas de los compuestos involucrados. Una opción para atacar este problema es la utilización de simuladores comerciales, ya que éstos cuentan con modelos rigurosos termodinámicos y de operación sumamente eficientes, además de que permiten al ingeniero de procesos evaluar fácilmente diferentes alternativas de modelación para un problema específico. En el presente trabajo, se emplea un algoritmo genético (AG) para el diseño óptimo de columnas de destilación. Se presenta una guía para la selección de valores adecuados de los parámetros del AG y se proponen diversas estrategias para mejorar el desempeño del AG que incluyen desde la codificación, evaluación, el uso de un algoritmo híbrido (algoritmo genético con resolvedor matemático) y un nuevo procedimiento para la definición de la convergencia del algoritmo. Las estrategias propuestas tienen el fin de limitar el espacio de bÚsqueda, reducir la evaluación de puntos no factibles y evitar evaluaciones innecesarias una vez que se encontró el óptimo. La implementación computacional de éstas propuestas ha permitido reducir el tiempo de ejecución en más del 50% en algunos problemas numéricos, manteniendo la robustez del algoritmo para encontrar la solución óptima. El criterio de convergencia se desempeñó satisfactoriamente, es decir, se logró encontrar la solución óptima de los problemas y detener el AG una vez que el óptimo ha sido encontrado. Se resolvieron dos problemas de optimización de diseño de columnas de destilación, el primero consiste en la destilación de una mezcla ternaria mientras que el segundo es una destilación extractiva de una mezcla altamente no ideal. Además, se resolvió un problema de síntesis de columnas de destilación para la separación de hidrocarburos de cuatro carbonos considerando columnas convencionales y complejas. Con los resultados obtenidos se demostraron las ventajas de utilizar AGs acoplados a simuladores comerciales para facilitar la modelación de sistemas de destilación convencionales integrados energéticamente y algunas variaciones como las columnas Petlyuk. La implementación propuesta representa una herramienta robusta para la solución de problemas de síntesis de procesos a través de la cual se resolvieron problemas complejos de optimización de secuencias no ideales de destilación.