Parámetros del algoritmo genético

Top PDF Parámetros del algoritmo genético:

Optimización de Parámetros del Algoritmo Genético Multiobjetivo SPEA2 en la Sintonización de TMDs

Optimización de Parámetros del Algoritmo Genético Multiobjetivo SPEA2 en la Sintonización de TMDs

RESUMEN El Trabajo de Fin de Máster tiene por objetivo la optimización de los parámetros de un Algoritmo Genético Multiobjetivo (AGMO) en su aplicación a la sintonización de TMD’s. De estudios previos, se sabe que estos algoritmos son de gran utilidad para la resolución de este tipo de problemas. La optimización se realizará mediante el uso de métricas de comparación que permiten discernir qué parámetros obtienen mejores resultados a través del estudio de las fronteras de Pareto que obtiene el algoritmo.

130 Read more

Optimización evolutiva de los parámetros de control de un algoritmo genético

Optimización evolutiva de los parámetros de control de un algoritmo genético

Los AGs usan una analogía directa con el comportamiento natural. Operan so- bre una población de individuos o cromosomas, representando posibles soluciones al problema que se desea resolver, que evolucionan de generación en generación a través de un proceso de competición. A cada individuo se le asigna una puntuación, que indica el grado de adecuación de dicha solución. Mediante un mecanismo de se- lección se escogen los individuos para reproducirse. Cuanto mayor sea la adaptación de un individuo al problema, mayor será la probabilidad de que el mismo sea se- leccionado para reproducirse, cruzando su material genético con otro individuo. Por el contrario, cuanto menor sea la adaptación de un individuo, menor será su pro- babilidad de ser seleccionado para la reproducción y, por tanto, de que su material genético se propague en sucesivas generaciones. Como resultado de la aplicación de los operadores genéticos de cruce y mutación sobre la población, esta evoluciona ha- cia una nueva generación donde los individuos mejor adaptados sustituyen a aquellos peor adaptados. Estos operadores genéticos de cruce y mutación tienen asociados las probabilidades de cruce, P c , y de mutación, P m , respectivamente. La P c es la probabilidad de aplicar el operador de cruce sobre los individuos seleccionados como padres. En el caso de que este operador de cruce no se aplicase, la descendencia se obtendría mediante la duplicación de los padres. La P m es la probabilidad de aplicar el operador de mutación sobre cada hijo de forma individual, alterando de forma aleatoria cada gen del mismo.
Show more

274 Read more

Algoritmo para la optimización de parámetros continuos vía simulación basado en un algoritmo genético híbrido

Algoritmo para la optimización de parámetros continuos vía simulación basado en un algoritmo genético híbrido

ejecuci´ on del algoritmo resulta afectado. En este trabajo se utiliza una poblaci´ on cuyo tama˜ no depende del n´ umero de dimensiones del problema a optimizar. De esta forma, se determin´ o utilizar 1 N igual a 15n. El segundo aspecto guarda relaci´ on con la importancia de cubrir homog´ eneamente el espacio de b´ usqueda completo al momento de generar la poblaci´ on inicial, con el fin de evitar la convergencia prematura del m´ etodo hacia un ´ optimo local. T´ıpicamente al trabajar con algoritmos gen´ eticos, los individuos de la poblaci´ on inicial son generados de forma completamente aleatoria ya que sus posiciones corresponden a instancias de variables aleatorias con distribuci´ on uniforme. Sin embargo, esta metodolog´ıa no garantiza que los individuos de la poblaci´ on cubran homog´ eneamente el espacio de b´ usqueda. Por esta raz´ on en este trabajo se utiliza el concepto de vecindario, tal como se hizo en Chelouah y Siarry (2000). El vecindario se define como un ´ area de seguridad esf´ erica, de radio r , construida alrededor de un individuo y dentro de la cual no puede habitar ning´ un otro individuo de la poblaci´ on. El uso de este concepto permite asegurar una distancia m´ınima entre los individuos de la poblaci´ on.
Show more

106 Read more

Metodología de optimización de los parámetros de control de un algoritmo genético = Optimization Methodology for Control

Parameters of Genetic Algorithms

Metodología de optimización de los parámetros de control de un algoritmo genético = Optimization Methodology for Control Parameters of Genetic Algorithms

As´ı, para la elecci´on del modelo de la superficie de regresi´on por vectores de soporte, se escogieron t´ecnicas anal´ıticas desarrolladas recientemente, de forma que todos los par´amet- ros son escogidos de manera autom´atica. En cuanto al algoritmo gen´etico de alto nivel, se escogi´o un modelo que incorpora la creaci´on de nichos para aumentar la exploraci´on sobre el espacio de b´ usqueda. El m´etodo utilizado para la definici´on de los nichos es uno de los principales aportes de este trabajo, ya que es una mejora de otro m´etodo existente en la literatura, pero elimina la necesidad de par´ametros qu´e sintonizar. Asimismo, se pro- pone una novedosa t´ecnica de apareamiento restringido basado en distancias fenot´ıpicas, que ayuda a la exploraci´on del espacio de b´ usqueda y a su vez elimina la necesidad de sintonizar la probabilidad de recombinaci´on. Adem´as, dada la naturaleza del modelo, el operador de mutaci´on no es utilizado, hecho que suprime otro par´ametro de control. La optimizaci´on de los par´ametros de control del algoritmo gen´etico de bajo nivel, es planteada como un problema de optimizaci´on sujeto a restricciones, para lo cual se plantea una nueva forma de penalizaci´on est´atica que no requiere el ajuste de coeficientes de pe- nalizaci´on, lo cual es otro aporte significativo. Sin embargo, esta misma funci´on incorpora un par´ametro que permite al usuario tener un control sobre el porcentaje de error que le ser´a permitido al algoritmo gen´etico, a cambio de la reducci´on en el tiempo de c´omputo.
Show more

82 Read more

Diseño de Experimentos para la Evaluación de un Algoritmo Genético de Programación de Producción

Diseño de Experimentos para la Evaluación de un Algoritmo Genético de Programación de Producción

Ingeniero Industrial, Universidad Nacional de Colombia Medellín, Código postal 05004, Colombia, jscadav0@unal.edu.co RESUMEN En este estudio corresponde a la continuación del trabajo de investigación presentado en el CISCI 2009, donde se muestra la evaluación previa de un algoritmo genético (GA) de programación de producción, mediante el diseño de experimentos, sobre cuatro elementos que componen un GA como son: el % de Mutación, % de Cruce, tamaño de Población y el numero de generaciones. El cual no presentaba un resultado contundente y por lo que se recomendaba mejorar el diseño de experimentos usado en fases posteriores. Para el nuevo estudio propuesto en este trabajo, se utilizan diseños factoriales 2 k y 2 k con puntos centrales, que permiten detectar la significancia estadística de efectos principales y algunas interacciones, donde se encuentra que la siguiente combinación de factores o parámetros del algoritmo genético desarrollado: porcentaje de mutación, en 10%; porcentaje de cruce, en un 25%; numero de generaciones, en 650; y el tamaño de la población inicial en 3000, permiten obtener el menor valor del Makespan o el tiempo de terminación de todos los trabajos en todas las operaciones. Lo que tiene como consecuencia en el aumento del a productividad del proceso de producción programado con este algoritmo.
Show more

5 Read more

Algoritmo genético para un open shop

Algoritmo genético para un open shop

momento, para la solución de este tipo de problemas. Basado en esta investigación proponer un algoritmo genético para el sistema de open shop y escoger los parámetros (cantidad de generaciones, cantidad de individuos por generación, fenotipo, etc.) más apropiados para la elaboración del modelo, basado en los algoritmos genéticos ya existentes y la realización de pruebas. Luego se implementará una búsqueda local con el fin de que el algoritmo genético pueda encontrar mejores soluciones.

35 Read more

Algoritmo genético para la optimización de una marcha bípeda

Algoritmo genético para la optimización de una marcha bípeda

El principal objetivo de realizar pruebas sobre el modelo físico es de revisar que las trayectorias cumplían con los parámetros requeridos desde un inicio de no sobrepasar los límites biomecánicos permisibles en la cinemática humana y que además dichas trayectorias angulares obtenidas fueran lo más similares posibles a las de una persona sana. Así en la Figura 4.4 se comparan las trayectorias directamente medidas de la persona con aquellas que son optimizadas y notar de esa manera cuanto se modifican las trayectorias articulares, donde el principal cambio en el desarrollo de la trayectoria se nota en la fase de soporte doble que muestra como la orientación de la planta del pie con respecto al piso es casi paralela en la secuencia optimizada comparada con la secuencia natural donde la planta del pie muestra un ángulo cercano a los 30° con respecto a la horizontal, además de verse como el paso se acorta de manera que se acerque a la referencia de paso designada. Otro objetivo secundario fue el de realizar pruebas para verificar el desempeño del robot con las trayectorias enviadas y analizar como difieren los resultados de caminata del modelo teórico con la marcha real del robot donde no se obtuvo una caminata satisfactoria en lazo abierto y más adelante se discutirán dichos resultados.
Show more

65 Read more

Un Algoritmo Genético para la Optimización de Armaduras Planas.

Un Algoritmo Genético para la Optimización de Armaduras Planas.

4. – Resultados y conclusiones. Durante el proceso de ajuste del algoritmo genético, se hicieron pruebas con tamaños de población de 20, 40, 80 y 100. En cuanto a la probabilidad de cruzamiento se realizaron pruebas con 0.5, 0.6, 0.7, 0.8 y 0.9 y la probabilidad de mutación con valores de 0.001, 0.002, 0.003, 0.004 y 0.005, todos ellos con 50 corridas cada una. Una vez ajustados los parámetros, se resolvieron varias armaduras, de las cuales mostramos 2 ejemplos, por lo que podemos decir que los resultados son generales. Los resultados obtenidos son los siguientes.

6 Read more

ALGORITMO GENÉTICO PARA EVALUACIÓN DE RATONES EN UN LABERINTO

ALGORITMO GENÉTICO PARA EVALUACIÓN DE RATONES EN UN LABERINTO

Con (1) fue posible relacionar las variables asociadas a la red, siempre que se establezcan los parámetros respectivos del laberinto como objeto y ratón. (1) Además se utiliza un algoritmo para la búsqueda del objetivo que es el backtracking, el cual consiste en ir proyectando soluciones de caminos posibles dentro de un espacio determinado que es en este caso el laberinto, una vez encuentra la solución o camino este lo almacena y lo usa nuevamente de ser necesario.

5 Read more

Un algoritmo genético para el problema de Job Shop Flexible

Un algoritmo genético para el problema de Job Shop Flexible

El desempeño de cualquier metaheurística depende fuertemente de los parámetros que la controlan. Por esta razón, es muy importante hacer un análisis de cuáles son los mejores óptimos o intervalos de valores para estos parámetros, con la finalidad de encontrar los mejores resultados. Se usa un diseño experimental [4], para lo cual se seleccionan al azar ocho instancias de prueba (08a.fjs, 01a.fjs, 04a.fjs, Mk04.fjs, 11a.fjs, orb8.fjs, car5.fjs, mt20.

9 Read more

Algoritmo genético aplicado a la programación en talleres de maquinado

Algoritmo genético aplicado a la programación en talleres de maquinado

... ... Algoritmos Genéticos para solucionar problemas de Scheduling Los algoritmos genéticos imitan el procedimiento de la selección natural sobre el espacio de soluciones del problema considerado, generalmente usados en problemas de búsqueda y optimización de parámetros. Se basan en la creación de generaciones sucesivas de individuos representativos de posibles soluciones al problema. La codificación de una solución se interpreta como el cromosoma del individuo compuesto de un cierto número de genes a los que les corresponden ciertos alelos. La codificación más común de los cromosomas que conforman las soluciones es a través de cadenas binarias, aunque se han utilizado también números reales y letras. Una función de aptitud (fitness function) debe ser diseñada para cada problema de manera específica. Una característica que esta debe tener es que debe ser capaz de “castigar” a las malas soluciones y de “premiar” a las buenas, de forma que sean estas últimas las que se propaguen con mayor rapidez. La selección de padres se efectúa al azar usando un procedimiento que favorezca a los individuos mejor adaptados, ya que a cada individuo se le asigna una probabilidad de ser seleccionado que es proporcional a su función de aptitud. Se consideran dos operaciones básicas: el cruzamiento y la mutación, a partir de las cuales se obtienen nuevos individuos.
Show more

12 Read more

OPTIMIZACIÓN DE MODELOS GARCH A TRAVÉS DE ALGORITMO GENÉTICO

OPTIMIZACIÓN DE MODELOS GARCH A TRAVÉS DE ALGORITMO GENÉTICO

Según Bauer (1994), este método puede ser utilizado fácilmente en aplicaciones financieras. Davis (1994) muestra una aplicación de algoritmos genéticos en la calificación de créditos bancarios, resultando mejor que otros métodos como las redes neuronales, debido a la transparencia de los resultados obtenidos. Kingdom and Feldman (1995), señalaron haber usado algoritmos genéticos para hallar reglas que pronosticaran la bancarrota de las firmas, estableciendo relaciones entre las distintas razones financieras. Bauer (1994) utilizó algoritmos genéticos para desarrollar técnicas de transacción que indicaran la asignación mensual de montos de inversión en dólares y marcos; Pereira (1996) los utilizó para encontrar los valores óptimos de los parámetros usados por tres reglas de transacción distintas para el tipo de cambio dólar americano/dólar australiano: los parámetros obtenidos mostraron resultados intramuestrales positivos, los cuales disminuyeron al aplicar las reglas fuera de la muestra, aún cuando siguieron siendo
Show more

41 Read more

Corrección de bordes en imágenes de rango por medio de un algoritmo genético

Corrección de bordes en imágenes de rango por medio de un algoritmo genético

El algoritmo genético implementado Al implementar un algoritmo genético se deben definir un esquema de repre- sentación para codificar cada posible solución del problema como un individuo de la población por evolucionar, un mecanismo para generar la población inicial, un mecanismo de reproducción y otro de mutación, una función de aptitud para medir qué tan cercano está cada individuo del optimo deseado, un criterio de parada que permita que el algoritmo termine de iterar cuando se cumpla una condición y unos parámetros de control, como son: el número de individuos de la población, y el porcentaje de los individuos por mutar y por reproducir en cada generación.
Show more

16 Read more

Balance de carga en circuitos de distribución primaria por algoritmo genético

Balance de carga en circuitos de distribución primaria por algoritmo genético

En el mundo la electricidad se trata como una mercancía en un mercado con características peculiares. La definición de parámetros de calidad permiten determinar las características de competitividad del producto de determinado suministrador. La sociedad y la industria actual poseen una penetración de altísimo grado en cuanto a equipamiento electrónico de diversas generaciones, vinculados al control de procesos, accionamiento, procesamiento de datos, comunicaciones y transmisión de información, dispositivos domésticos, comerciales y de entretenimiento entre otros. Es por eso que hay razones por la cual es importante hablar de Calidad de la Energía: una insuficiente calidad en el suministro de la energía eléctrica afecta, en mayor o menor grado, a otras tecnologías y procesos industriales, donde las pérdidas económicas que se generan por este concepto pueden llegar a ser importantes, además de provocar una operación ineficiente e impropia, entre otros, en las redes eléctricas, que conducen a averías o incremento en los costos de operación, los que, al final, redundan en pérdidas para las compañías del servicio eléctrico.
Show more

58 Read more

Balanceo de circuitos primarios mediante  Algoritmo Genético Simple

Balanceo de circuitos primarios mediante Algoritmo Genético Simple

individuos a su ambiente, se determina por la función de aptitud (función fitness), la cual constituye una medida de la calidad de la solución. Los AG trabajan con una codificación del conjunto de parámetros, no con los parámetros en sí, y realizan la búsqueda a partir de una población de puntos, no de un punto simple. Los AG solo utilizan la información de la función objetivo, sin derivadas u otro conocimiento auxiliar y se garantiza la obtención de un conjunto amplio de buenas soluciones, y tienen la capacidad de resolver una variedad de problemas muy difíciles de forma rápida y confiable. La mayoría de los especialistas en este tema coinciden en que los AG pueden resolver las dificultades representadas en los problemas de la vida real que a veces son insolubles por otros métodos. [9] [11]
Show more

62 Read more

OPTIMIZACIÓN DE RUTA CORTA USANDO ALGORITMO GENÉTICO GENERACIONAL

OPTIMIZACIÓN DE RUTA CORTA USANDO ALGORITMO GENÉTICO GENERACIONAL

algoritmo genético, en el cual el tamaño de la población es de 150, probabilidad de cruce 0,9, la probabilidad de mutación es de 0,01, el número de iteraciones que para este proceso se está colocando es 100. El botón llamado “Ejecutar Algoritmo Genético” permite todo el proceso evolutivo con los parámetros presentados anteriormente, incluido el método de parada. En la parte derecha de este botón se muestra el tiempo (en segundos) que demora dependiendo de la cantidad de ciudades para evaluar la ruta óptima, en la pantalla se muestra 3,2006 s. En la parte de posible solución, se revela la mejor posible solución en índices de ciudades (o nodos) y la distancia que se va a recorrer según esa secuencia de ciudades. Para este proceso, los valores de los parámetros no necesariamente son estrictos, sino recomendados.
Show more

8 Read more

Algoritmo genético para la programación multicriterio de piezas en máquinas paralelas

Algoritmo genético para la programación multicriterio de piezas en máquinas paralelas

Se mostrarán dos tipos de tablas, alternando una del primer tipo con su correspondiente del segundo: • En el primer tipo de tablas, las seis primeras columnas corresponden a características y parámetros de cada colección, cuyos significados ya han sido explicados. La séptima columna, “Ej tot ”, tan sólo indica el número de ejemplares de cada colección y siempre es igual a 10. En las columnas “A” a “G” se indica el nivel al que se ha trabajado con cada factor en la ejecución. En la última columna aparece el valor de la Función Objetivo.
Show more

116 Read more

Desarrollo de un algoritmo genético para análisis de problemas basados en grafos

Desarrollo de un algoritmo genético para análisis de problemas basados en grafos

Como se explicó en el anterior apartado de diseño, el algoritmo implementado requiere de varios parámetros de entrada con los que regular el funcionamiento de la mutación, elitismo, y delta de parada. Durante estas pruebas a menor escala, estos parámetros recibirán unos porcentajes altos con el fin de forzar su funcionamiento, y mediante impresiones por pantalla, comprobar que los valores de mutación a los que se acceden son los correctos, que el porcentaje de elitismo respecto a la población total funciona y que la condición de parada de nuestro delta se cumple correctamente. El cruce entre individuos se comprobará de la misma forma, viendo si los k individuos que participan en el torneo se seleccionan correctamente y que los valores de cada padre se escojan en función a la máscara generada aleatoriamente. Finalmente se comprueba que la formalización de nuestros datos a la de índices de comunidades estén bien indicadas y encontradas.
Show more

53 Read more

Algoritmo Genético en Ruteamiento Dinámico en WRON

Algoritmo Genético en Ruteamiento Dinámico en WRON

algoritmo corre muy rápido debido a la poca diversidad de la población, y con esto la solución aparecería en generaciones muy altas (gran numero de generaciones). – 2.- Si el limite d[r]

12 Read more

ALGORITMO GENÉTICO PARA LA OPTIMIZACIÓN DE SECUENCIAS DE ENSAMBLE

ALGORITMO GENÉTICO PARA LA OPTIMIZACIÓN DE SECUENCIAS DE ENSAMBLE

67 2.3 Conclusiones del capítulo El presente capítulo describió un método asistido por computadora denominado GA-ASP basado en un algoritmo genético para la optimización y planificación de las secuencias de ensamble de un producto mecánico. El GA-ASP usó un modelo de optimización que incluyó varias restricciones del proceso de ensamble. Estas restricciones fueron representadas en estructuras de datos de tipo matriz, de las cuales las matrices de interferencia y la matriz de precedencia local del ensamble fueron generadas automáticamente. Fue descrito e implementado un método computacional para la generación automática de las matrices de interferencia a partir del ensamble CAD del producto.
Show more

86 Read more

Show all 8843 documents...