Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12104/80754
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.advisorCuevas Jiménez, Erik Valdemar
dc.contributor.advisorZaldivar Navarro, Daniel
dc.contributor.authorCamarena Méndez, José Octavio
dc.date.accessioned2020-04-13T21:41:47Z-
dc.date.available2020-04-13T21:41:47Z-
dc.date.issued2016
dc.identifier.urihttps://hdl.handle.net/20.500.12104/80754-
dc.identifier.urihttp://wdg.biblio.udg.mx
dc.description.abstractRESUMEN Muchos procesos son tan complejos para ser manipulados cuantitativamente; sm embargo, los seres humanos al tener éxito mediante el uso de reglas simples que se extraen de sus experiencias. La lógica difusa se asemeja al razonamiento humano en su uso de la información para generar decisiones imprecisas. A diferencia de los enfoques tradicionales que requieren un entendimiento más profundo de un sistema, ecuaciones exactas, y valores numéricos precisos. La lógica difusa incorpora una manera alternativa de procesamiento. Que permite modelar sistemas complejos usando un alto nivel de abstracción originario del conocimiento humano y experiencias. Recientemente, varios de los nuevos algoritmos de computación evolutiva han sido propuestos con interesantes resultados. Muchos de ellos usan operadores basados en metáforas de elementos naturales o sociales que evolucionan soluciones candidatos. Aunque los humanos han demostrado su potencial para resolver problemas de optimización complejos de la vida diaria, no son mecanismos para incorporar tales capacidades en un algoritmo de optimización evolutivo. En este trabajo, se presenta una metodología para implementar la inteligencia humana basada en la optimización de estrategias. Bajo este enfoque, una estrategia llevada a cabo es codificada en reglas basadas en sistema de inferencia difusa Takagi-Sugeno. De manera que para implementar reglas difusas expresan las condiciones bajo cuales soluciones candidatos son evolucionadas a nuevas posiciones. Para ilustrar la competencia y robustez del enfoque propuesto, es comparado con otros métodos evolutivos conocidos. La comparación examina varias funciones benchmark (punto de referencia) que son comúnmente consideradas dentro de la literatura de los algoritmos evolutivos. Los resultados muestran un alto rendimiento del método en la búsqueda de un óptimo global de varias funciones benchmark.
dc.description.tableofcontentsÍNDICE ABSTRACT ....... ... ......... ... ......... ... ......... ... ......... ... .......... ... ......... ... ......... ... ......... ... ......... ... ............. I RESUMEN .................................................................................................................................... 11 ÍNDICE DE FIGURAS ................................................................................................................... VI ÍNDICE DE TABLAS ................................................................................................................... VII CAPÍTULO 1 .................................................................................................................................. 1 1.1 INTRODUCCIÓN ................................................................................................................... l 1.2 OBJETIVO GENERAL ............................................................................................................ 3 1.3 OBJETIVOS PARTICULARES ................................................................................................. 3 1.4 PLANTEAMIENTO DEL PROBLEMA ....................................................................................... 3 1.5 JUSTIFICACIÓN .................................................................................................................... 3 1. 6 HIPÓTESIS ........................................................................................................................... 4 CAPÍTULO 2 .................................................................................................................................. 5 2 .1 LÓGICA DIFUSA .................................................................................................................. 5 2.2 CONJUNTOS DIFUSOS .......................................................................................................... 7 2 .3 FUNCIONES DE MEMBRESÍA ................................................................................................ 8 2.3.l FUNCIÓN TRAPEZOIDAL ............................................................................................... 8 2.3.2 FUNCIÓN TRIANGULAR ....... ... ......... ... ......... .... ......... ... ......... ... ......... ... ......... ... ............. 9 2.3.3 FUNCIÓNGAUSSIANA ................................................................................................ 10 2.3.4 FUNCIÓN CAMPANA ................................................................................................... 11 2 .3 .5 FUNCIÓN SIGMOIDE ................................................................................................... 11 2.4 OPERACIONES DIFUSAS .................................................................................................... 12 2.4.1 COMPLEMENT0 .......................................................................................................... 12 2.4.2 INTERSECCIÓN ........................................................................................................... 12 2.4.3 UNIÓN ........................................................................................................................ 12 2.5 VARIABLES LINGÜÍSTICAS ................................................................................................ 14 2.6 REGLAS DIFUSAS SI- ENTONCES ...................................................................................... 14 2. 7 SISTEMAS INFERENCIALES DIFUSOS ................................................................................. 15 2. 7 .1 FUZZIFICACIÓN DE ENTRADAS ........ ... ......... ... ......... ... ......... ... ......... ... ......... ... ........... 15 2.7.2 EVALUACIÓNDEREGLAS ........................................................................................... 16 2.7.3 DEFUSIFICACIÓN ........................................................................................................ 17 2.8 TAKAGI-SUGENO .............................................................................................................. 19 2.8.l MODELO TAKAGI-SUGENO ........................................................................................ 20 2.8.1.1 ANTECEDENTE(!) ........................................................................................................... 21 111 2.8.1.2 CONSECUENCIA (11) ....................... ....... ....... ....... ... .... ... ....... ....... ... .... ... .... ... ....... ............ 21 2.8.1.3 INFERENCIA EN EL MODELO TS ....................................................................................... 21 CAPÍTULO 3 ................................................................................................................................ 23 3.1 OPTIMIZACIÓN .................................................................................................................. 23 3 .2 TIPOS DE OPTIMIZACIÓN ................................................................................................... 25 3 .3 HEURÍSTICA Y META-HEURÍSTICA ............................................................................... 25 3 .4 ALGORITMOS DE OPTIMIZACIÓN ...................................................................................... 26 CAPÍTULO 4 ................................................................................................................................ 2 8 4.1 ALGORITMOS EVOLUTIVOS ............................................................................................... 28 4.2 PROCESO DE EVOLUCIÓN .................................................................................................. 28 4.3 EVOLUCIÓN ARTIFICIAL ................................................................................................... 29 4.4 INTELIGENCIA DE COLECTIVA ........................................................................................... 30 4.4. l DE LO INDIVIDUAL A LO COLECTIVO ......................................................................... 30 4.4.2 AUTO-ORGANIZACIÓN ............................................. ... ......... ... ......... ... ......... ... ........... 32 4.5 FUNCIONAMIENTO DE ALGORITMOS EVOLUTIVOS ........................................................... 33 4.5.l POBLACIÓNINICIAL ................................................................................................... 33 4 .5 .2 FUNCIONES OBJETIVO ................................................................................................ 34 4 .5 .3 SELECCIÓN Y REPRODUCCIÓN .................................................................................... 34 4.5.3.1 SELECCIÓN PROPORCIONAL. ............................................................................................ 34 4.5.3.2 SELECCIÓN BASADA EN EL RANGO .................................................................................. 35 4.5.3.3 MUTACIÓN ..................................................................................................................... 35 4.6 ALGORITMOS .............................................................................. ... ......... ... ......... ... ........... 35 4.6. l OPTIMIZACIÓN DE ENJAMBRE DE PARTÍCULAS (PSO) ................................................ 35 4.6.2 ALGORITMO DE LA ABEJA (ABC) .............................................................................. 37 4.6.3 EVOLUCIÓN DIFERENCIAL (DE) ...... ... ......... ... ......... ... ......... ... ......... ... ......... ... ........... 39 4.6.4 HARMONY SEARCH (HS) ........................................................................................... 42 4.6.5 BAT ............................................................................................................................ 43 4.6.5.1 MOVIMIENTO DE MURCIÉLAGOS VIRTUALES ........ ... .... ... ....... ... .... ... .... ... .... ... ....... ... ......... 45 4.6.5.2 VOLUMEN Y EMISIÓN DE PULSO ......... ... ....... ... .... ... .... ... ....... ... .... ... .... ... .... ... ....... ... ......... 46 CAPÍTULO 5 ................................................................................................................................ 4 8 5 .1 METODOLOGÍA PROPUESTA ............................................................................................. .48 5 .2 ESTRATEGIA DE OPTIMIZACIÓN ....................................................................................... .49 5.3 FORMULACIÓN DE REGLAS ................................. ... ......... ... ......... ... ......... ... ......... ... ........... 50 5 .4 IMPLEMENTACIÓN DEL SISTEMA DIFUSO TS ..................................................................... 52 5 .4.1 FUNCIONES DE MEMBRESÍA Y ANTECEDENTES ....... ... ......... ... ......... ... ......... ... ........... 52 5 .4 .2 ACCIONES Y CONSECUENCIAS ................................................................................... 54 IV 5.4.3 INFERENCIAENELMODELOTS ........................................... ... ......... ... ......... ... ........... 55 5.4.4 ANÁLISIS ACERCA DE LA METODOLOGÍA PROPUESTA ................................................ 55 5 .4 .5 CARACTERÍSTICAS DEL MODELADO ........................................................................... 56 CAPÍTULO 6 ................................................................................................................................ 5 7 6.1 ESTUDIOEXPERIMENTAL .................................................................................................. 57 6 .1.1 EVALUACIÓN DE DESEMPEÑO CON RESPECTO A SUS PROPIOS PARÁMETROS DE TUNING .................................................................................................................................... 57 6.2 COMPARACIÓN CON OTROS ENFOQUES DE COMPUTACIÓN EVOLUTIVA ............................ 62 6.2. l FUNCIONES DE PRUEBA UNI-MODALES ...................................................................... 63 6.2.2 FUNCIONES DE PRUEBA MULTIMODALES .................................................................. 66 APÉNDICE ................................................................................................................................... 69 CONCLUSIONES .......................................................................................................................... 71 REFERENCIAS ............................................................................................................................. 72
dc.formatapplication/PDF
dc.language.isospa
dc.publisherBiblioteca Digital wdg.biblio
dc.publisherUniversidad de Guadalajara
dc.rights.urihttps://wdg.biblio.udg.mx/politicasdepublicacion.php
dc.titleOptimizador Difuso
dc.typeTesis de Maestria
dc.rights.holderUniversidad de Guadalajara
dc.rights.holderCamarena Méndez, José Octavio
dc.coverageGuadalajara, Jalisco
dc.type.conacytmasterThesis-
dc.degree.nameMAESTRIA EN CIENCIAS EN INGENIERÍA EN ELECTRÓNICA Y COMPUTACIÓN-
dc.degree.departmentCUCEI-
dc.degree.grantorUniversidad de Guadalajara-
dc.degree.creatorMAESTRO EN CIENCIAS EN INGENIERÍA EN ELECTRÓNICA Y COMPUTACIÓN-
Aparece en las colecciones:CUCEI

Ficheros en este ítem:
Fichero TamañoFormato 
MCUCEI01179FT.pdf13.51 MBAdobe PDFVisualizar/Abrir


Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.