HEURISTICS

Autor: PANTRIGO FERNÁNDEZ JUAN JOSÉ.
Jahr: 2005.
Universität: REY JUAN CARLOS [www.urjc.es].
Ort der Lesung: ESCUELA SUPERIOR DE CIENCIAS EXPERIMENTALES Y TECNOLOGÍA.
Ort der Vorbereitung: ESCUELA SUPERIOR DE CIENCIAS EXPERIMENTALES Y TECNOLOGÍA.

Inhaltsangabe: Diese Arbeit schlägt eine neue Methode für die Entwicklung von dynamischen Optimierung Algorithmen, die Rußpartikelfilter metaheuristico. Die dynamische Optimierung Probleme sind eine Verallgemeinerung der Probleme der Optimierung, wo das Problem der relevanten Variablen im Laufe der Zeit ändern. Unter diesen Bedingungen ist es notwendig, für die Optimierung Algorithmen haben Strategien zur Anpassung an den Wandel. Daher sind die Hypothese, dass die Arbeitszeit wurde, die in dieser Arbeit ist, dass "die Kombination von adaptiven Strategien, Vorhersage und Optimierung steigert die Effizienz der Suche nach qualitativ hochwertigen Lösungen für dynamische Optimierung Probleme." Die metaheurísticas sind ungefähre Algorithmen, die seit Erfolgreich für die Optimierung Probleme, jedoch in der Regel, diese Art von Methoden nicht die Möglichkeit in Erwägung ziehen, dass die Definition des Problems hat sich geändert, und daher sind sie nicht konzipiert, um die Dynamik eines Systems. Auf der anderen Seite gibt es eine Familie von Methoden genannt sequentielle Schätzung Algorithmen (oder Partikel Filter), epecializados bei der Lösung von Problemen dynamischen Bedingungen bayesfano. Leider ohne Filter Partikel Optimierung Strategien. Wenn die Arbeitszeit Hypothese gültig ist, ob metaheurísticas wie Rußfilter müssen spielen eine wichtige Rolle in der dynamischen Optimierung. Das grundlegende Problem, das entsteht, in dynamischen Optimierung kann man sich zwei Fragen: Haben Sie Informationen, was Geschichte ist sinnvoll und sollte berücksichtigt werden, in aufeinanderfolgenden Momente? Â und wie diese Informationen zwischen aufeinanderfolgenden Momente während der dynamischen Prozess? Da sind spezialisiert auf die Optimierung Algorithmen und Methoden zur Vorhersage, die in einem dynamischen Umfeld, erscheint es sinnvoll, um diese Probleme bei der Verwendung von Funktionen der beiden Methoden. Aus diesem Grund ist das grundlegende Ziel dieser Arbeit hat ", eine Methodik zu entwickeln für die Hybridisierung der Schätzung Methoden und sequentielle metaheuristicas Bevölkerung für die Anwendung bei der Lösung der Probleme, Optimierung Dynamik." Diese Methode wurde genannt Rußpartikelfilter meteurístico (metaheuristic Teilchenphysik fll Ter- mpf). Als Beispiele für die Anwendung der Methodik, die Algorithmen haben fünf so genannte Filter mit verteilten Teilchen (Suche streuen Partikel fllter - sspf), Rußpartikelfilter mit reencadenamiento Flugbahn (Pfad rellnking Partikelfilter - prpf) Filter Partikel mit Algorithmen meméticos (memeticalgorithms Teilchenphysik Filter - mapf) Filter Teilchen mit einem geschätzten Verteilung (Schätzung der Verteilung Algorithmus Partikel fil- Ter- edapf), und schließlich mit Rußpartikelfilter lokale Suche (lokale Suche Partikel fil- Ter- lspf), die Ausweitung des Geltungsbereichs der mpf. Die Algorithmen, entwickelt hanaplicado wirksam zur dynamischen Optimierung drei Probleme: (i) die in der gleichen Bildsequenzen 2d, (ii) die zur Überwachung eines oder mehrere Objekte in Bildsequenzen 2d für eine Schnittstellen für die Umsetzung Nutzer auf der Grundlage Machine Vision und (iii ) Das Problem der dynamischen reisen Verkäufer. In all diesen Algorithmen mpf hat gezeigt, experimentalemente Durchführung effizienter und erhalten haben Lösungen von höherer Qualität als die Algorithmen, die mit der Firma 8 rado zu 2c9 weniger auf die Daten verwendet werden.

Autor: LUQUE POLO GABRIEL JESÚS.
Jahr: 2005.
Universität: MÁLAGA [www.uma.es].
Ort der Lesung: INFORMÁTICA.
Ort der Vorbereitung: INFORMÁTICA.

Inhaltsangabe: Das Ziel dieser Arbeit ist die Entwicklung von Techniken parallel metaheurísticas effiziente Lösung für die Probleme mit der tatsächlichen Umsetzung. Um das zu tun, zunächst eine Studie über den aktuellen Stand der Technik im Bereich der metaheurísticas, wobei der Schwerpunkt vor allem auf dem Gebiet der Methoden parallel. Einmal verstanden, die Vorteile und Grenzen der Modelle vorgeschlagen, in der Vergangenheit und auf der Grundlage dieses Wissens gab es verschiedene Vorschläge parallel algorithmische Erweiterungen der effizientere Modelle in der Literatur. Diese Modelle wurden eingehend untersucht und sowohl in einem theoretischen (studieren den Einfluss der wichtigsten Parameter in ihrer Konvergenz) als Pilot, der Analyse von deren Verhalten auf verschiedenen Plattformen parallel. Auf der Grundlage der erworbenen Kenntnisse in den beiden letzten Phasen, befasste sich mit der Auflösung von verschiedenen kombinatorischen Problemen mit unterschiedlichen Eigenschaften, sondern sie als eigenständige Funktion große Schwierigkeiten und ihrer tatsächlichen Umsetzung. Insbesondere wurden angesprochen Circuit Design, Beschriftung Lexikon der natürlichen Sprache, das Problem der Montage von DNA-Fragmenten, Probleme bei der Planung und Zuteilung von Arbeitnehmern und anderen Problemen in den verschiedenen Bereichen. Zu den wichtigsten Beiträgen, können ausgeschlossen werden, liegt in der Verbesserung der Stand der Technik für viele der Probleme abordas (Circuit Design, Labeling-Lexikon, â |), sowie eine Erhöhung der Kenntnisse über die verschiedenen Aspekte der Methoden parallel Algorithmus (Studien zur Konvergenz der Modelle verteilt Studie über den Einfluss der Kopplung metaheurísticas Techniken parallel ..)..

Autor: SEQUEIRA CARDOSO PEDRO JORGE.
Jahr: 2006.
Universität: SEVILLA [www.us.es].
Ort der Lesung: E.T.S. DE INGENIERÍA INFORMÁTICA.
Ort der Vorbereitung: E.T.S. DE INGENIERÍA INFORMÁTICA.

Inhaltsangabe: Die Studie heurísticas Meta-Lösungen basierend auf dem Paradigma der Ant Colony Optimization (ACO) für die Multiple Objetive Minimum Spanning Trees und kombinatorische Probleme ist das zentrale Anliegen dieser Untersuchung. Im Qualifying häufig validiert, die Komplexität der Probleme, wird das Problem der Multiple Minimum Spanning Trees als NP-vollständig. Außerdem, wie in den meisten der Probleme bei der Optimierung mit mehreren Zielen, die Lösung eines Problems Mehrere Objetive Minimum Sapnning Bäume ist eine Reihe von Kompromissen in dem Sinne, dass die Verbesserung eines der Ziele erforderlich ist mindestens eine Verschlechterung der anderen Seite, die ist ein wichtiges Anliegen In einen praktischen Sinn. Im ersten Teil der Untersuchung, eine theoretische Analyse des Problems zu ergänzen, die Ergebnisse bekannt. Diese Analyse bestätigt die Tatsache, dass die tatsächliche Verwendung der genauen Methoden für die Lösung von Problemen Mehrere Spanning Trees Objetive Minimum gilt nur unter besonderen Umständen. Dies bedeutet, dass Sie Angleichung Methoden sollten als eine Alternative, das Problem zu lösen. Besonders, schlägt zwei Methoden, die auf dem Paradigma der OCP: Mehrere Objetive Netzwerk-Optimierung auf der Grundlage eines OCP (MONACO) und der Explorer-Tiefe ANT DANTE. DIE MONACO verwendet eine Reihe von Spuren fermonas und spezifische Heuristiken, um die gesamte Pareto. Die DANTE verbessert MONACO Verfahren gilt, dass eine gründliche Suche nach den besten Lösungen, die auf den Prozess, um eine bessere Ausnutzung der Bereich für die Suche. Die vorgeschlagenen Methoden getestet werden Probleme mit der mehrere Ziele ausgewählt durch eine Verbesserung erzielt resutlados zuvor von anderen Autoren. Um zu testen, Algorithmen und MONACO DANTE auf das Problem der Ziel-Multiple Minimum Spanning Trees wurde vorgeschlagen, Bibliothek / Repository Probleme Netze mit mehreren Zielen, die sich auf eine Reihe von systematischen Generatoren für die Netze. Die erzielten Ergebnisse mit MONACO DANTE und sind im Vergleich mit den Ergebnissen, die mit den Methoden Force Brutto-und Weighted Average.