Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12104/80036
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Cuevas Jiménez, Erik Valdemar | |
dc.contributor.author | González Becerra, Adrián | |
dc.contributor.editor | CUCEI | |
dc.contributor.editor | Universidad de Guadalajara | |
dc.contributor.other | MAESTRIA EN CIENCIAS EN INGENIERIA ELECTRONICA Y COMPUTACION | |
dc.date.accessioned | 2019-12-24T02:33:34Z | - |
dc.date.available | 2019-12-24T02:33:34Z | - |
dc.date.issued | 2014-12-06 | |
dc.identifier.uri | https://wdg.biblio.udg.mx | |
dc.identifier.uri | https://hdl.handle.net/20.500.12104/80036 | - |
dc.description.abstract | La inteligencia de enjambre (SI por sus siglas en inglés “Swarm intelligence”) es una disciplina de la inteligencia artificial que se ocupa del diseño de algoritmos multiagente inteligentes inspirados en el comportamiento colectivo de insectos o animales sociales. Se han propuesto varios algoritmos SI para resolver una amplia gama de aplicaciones de optimización complejos. Aunque tales métodos están diseñados para cumplir los requisitos de problemas de optimización genéricos, ningún algoritmo puede resolver todos los problemas competitivos. Por lo tanto, una enorme cantidad de investigación se ha dedicado a encontrar nuevos métodos de optimización que alcanzan mejores índices de rendimiento. En este trabajo, se propone un nuevo algoritmo llamado enjambre Locust Search (LS) para la solución de tareas de optimización. El algoritmo LS se basa en la simulación del comportamiento presentado en enjambres de langostas. En el algoritmo propuesto, los individuos emulan un grupo de langostas que interactúan entre sí sobre la base de las leyes biológicas del enjambre cooperativa. El algoritmo considera dos comportamientos diferentes: solitarias y sociales. Dependiendo del comportamiento, cada individuo se lleva a cabo por un conjunto de operadores evolutivos que imitan los diferentes comportamientos de cooperación que se encuentran típicamente en el enjambre. Con el fin de ilustrar el nivel de competencia y la robustez del enfoque propuesto, se compara con otros métodos evolutivos bien conocidos. La comparación examina varias funciones de referencia estándar que comúnmente se consideran dentro de la literatura de los algoritmos evolutivos. El resultado muestra un alto rendimiento del método propuesto para la búsqueda de un óptimo global con varias funciones de prueba. | |
dc.description.tableofcontents | 1 Introducción 1.1 Antecedentes históricos 1.2 Planteamiento del Problema 1.3 Objetivo de la tesis 1.4 Descripción de capítulos 2 Optimización 2.1 Optimización 2.2 Tipos de optimización 2.3 Algoritmos de optimización 3 Fundamentos Biológicos de la Langosta 3.1 Vida natural de la langosta del desierto3.2 Fase solitaria 3.3 Fase social (gregaria) 4 Algoritmo de optimización basado en la langosta del desierto Locust Search(LS)4.1 Consideraciones 4.2 Fase Solitaria (A) 4.3 Fase Social (B) 4.4 Algoritmo completo LS 4.5 Discusión sobre el algoritmo LS 5 Resultados experimentales del algoritmo 5.1 Comparación de algoritmos 5.1.1 Funciones de prueba unimodales 5.1.2 Funciones de prueba multimodales 6 Aplicación a visión por computadora 6.1 Segmentación de imágenes 6.2 Bases de algoritmos de segmentación 6.3 Métodos basados en histogramas 6.4 Método de aproximación con funciones gaussianas6.5 Adaptación del algoritmo LS para segmentación 6.6 Resultados experimentales de la aplicación 7 Conclusiones 7.1 Conclusiones Generales 7.2 Trabajos futurosA. Apéndice Funciones de prueba benchmark B. ArtículosReferencias | |
dc.format | application/PDF | |
dc.language.iso | es | |
dc.publisher | Biblioteca Digital wdg.biblio | |
dc.publisher | Universidad de Guadalajara | |
dc.rights.uri | https://www.riudg.udg.mx/info/politicas.jsp | |
dc.subject | Inteligencia De Enjambre | |
dc.subject | Inteligencia Artificial | |
dc.subject | Algoritmo Enjambre Locust Search Ls | |
dc.subject | Algoritmos Evolutivos | |
dc.title | Nuevo algoritmo de optimización inspirado en la langosta del desierto para resolver problemas de visión por computadora | |
dc.type | Maestria | |
dc.type | Tesis | |
dc.rights.holder | Universidad de Guadalajara | |
dc.rights.holder | González Becerra, Adrián | |
dc.coverage | GUADALAJARA, JALISCO | |
Aparece en las colecciones: | CUCEI |
Ficheros en este ítem:
Fichero | Tamaño | Formato | |
---|---|---|---|
MCUCEI10081.pdf Acceso Restringido | 1.34 MB | Adobe PDF | Visualizar/Abrir Request a copy |
Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.