modelizaci´on y métodos para la optimizaci´on y eficiencia

More documents

Recommendations

Info

xxii - parámetro que representa un valor muy pequeño, utilizado para que ningu- ε na probabilidad ρi sea igual a cero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184 - parámetro que se utiliza para escalar una probabilidad. Cuanto mayor es α este valor la diferencia entre las probabilidades también aumenta en forma exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184 Jij partición j del recorrido Ji . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .187 Jij partición j del recorrido Ji . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .187
Resumen Los problemas de optimización y satisfacción de restricciones son extraordinaria- mente complejos y variados. Al mismo tiempo, son problemas de alto interés, tanto en el aspecto científico-técnico como en el aplicado. Por ello, poder disponer de soluciones algorítmicas eficientes y flexibles supone un alto valor añadido en muy diferentes entornos de aplicación. Entre los más típicos problemas de este tipo, se encuentran los problemas de scheduling, que implican la ejecución de acciones que requieren recursos cuya disponi- bilidad está limitada y por tanto deben asignarse de modo eficiente. Problemas de este tipo aparecen en numerosos contextos, entre los que se encuentran la generación optimizada de horarios. Concretamente, el problema considerado en esta tesis cor- responde a la generación optimizada de horarios ferroviarios. Este problema puede asimilarse a un problema de scheduling tipo Job Shop, aunque con unas característi- cas particulares y especialmente complejas. Se han publicado muchos trabajos en relación al problema de scheduling tipo Job Shop genérico, la mayoría de ellos modelando el problema mediante programación entera mixta y resolviéndolo mediante la utilización de métodos matemáticos. En otros casos, se ha considerado la aplicación de técnicas CSPs híbridas, donde se fuerza la consistencia de las restricciones hasta un determinado nivel, combinando el procedimiento con búsqueda heurística. Sin embargo, en todos los trabajos revisados se considera un subconjunto re- ducido de las restricciones del problema que consideramos en esta Tesis. Esto clara- mente disminuye la complejidad del problema, razón por la cual en los métodos matemáticos puede utilizarse la relajación Lagrangiana o los planos de corte para xxiii
Page 1: MODELIZACIÓN Y MÉTODOS PARA LA OP
Page 5 and 6: Tabla de Contenidos Tabla de Conten
Page 7 and 8: 4.3.3. Búsqueda Local . . . . . .
Page 9 and 10: Índice de cuadros 1.1. Niveles de
Page 11 and 12: 2.15. Secuencia de Operaciones cara
Page 13 and 14: 5.17. Resolución de Conflictos dur
Page 15: Agradecimientos A mis directores de
Page 18 and 19: xviii Fi - componente funcional que
Page 20 and 21: xx ϕarr - mínimo tiempo de sucesi
Page 24 and 25: xxiv disminuir el espacio de búsqu
Page 27 and 28: Abstract Constraint Satisfaction an
Page 29 and 30: Resum Els problemes d’optimitzaci
Page 31 and 32: Capítulo 1 Introducción 1.1. Intr
Page 33 and 34: 1.2. El problema de Scheduling tipo
Page 35 and 36: 1.2. El problema de Scheduling tipo
Page 37 and 38: 1.3. Marco de Trabajo: Generación
Page 43 and 44: 1.5. Objetivos de la Tesis 13 restr
Page 45 and 46: 1.6. Esquema de la Tesis 15 1.6. Es
Page 47 and 48: Capítulo 2 Métodos para resolver
Page 49 and 50: 2.2. El Problema de Scheduling tipo
Page 51 and 52: 2.3. Formulación de un Job Shop ut
Page 53 and 54: 2.4. Métodos de Optimización Exac
Page 63 and 64: 2.5. Métodos Heurísticos 33 cada
Page 65 and 66: 2.5. Métodos Heurísticos 35 La es
Page 67 and 68: 2.5. Métodos Heurísticos 37 Regla
Page 69 and 70: 2.6. Formulación de un Job Shop co
Page 71 and 72: 2.6. Formulación de un Job Shop co
Page 73 and 74:
2.6. Formulación de un Job Shop co
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
2.7. Métodos Heurísticos Genéric
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
2.8. Conclusiones 67 GA( nto Proced
Page 99 and 100:
Capítulo 3 Optimizar y Planificar
Page 101 and 102:
3.2. El Problema OPT 71 se deberá
Page 103 and 104:
3.2. El Problema OPT 73 tramo poste
Page 105 and 106:
3.3. Conceptos Básicos 75 Es un es
Page 107 and 108:
3.3. Conceptos Básicos 77 a uno. S
Page 109 and 110:
3.3. Conceptos Básicos 79 Trabajos
Page 111 and 112:
3.3. Conceptos Básicos 81 al conju
Page 113 and 114:
3.4. Formulación del Problema como
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
Page 121 and 122:
Page 123 and 124:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
3.5. El problema OPT, un problema d
Page 137 and 138:
3.5. El problema OPT, un problema d
Page 139:
3.6. Conclusiones 109 empleados. En
Page 142 and 143:
112 4. Revisión de Métodos para l
Page 144 and 145:
Page 146 and 147:
Page 148 and 149:
Page 150 and 151:
Page 152 and 153:
Page 154 and 155:
Page 156 and 157:
Page 158 and 159:
Page 160 and 161:
Page 162 and 163:
Page 164 and 165:
Page 166 and 167:
Page 168 and 169:
Page 170 and 171:
Page 172 and 173:
Page 174 and 175:
Page 176 and 177:
Page 178 and 179:
Page 180 and 181:
Page 182 and 183:
152 5. Un Procedimiento heurístico
Page 184 and 185:
Page 186 and 187:
Page 188 and 189:
Page 190 and 191:
Page 192 and 193:
Page 194 and 195:
Page 196 and 197:
Page 198 and 199:
Page 200 and 201:
Page 202 and 203:
Page 204 and 205:
Page 206 and 207:
Page 208 and 209:
Page 210 and 211:
Page 212 and 213:
Page 214 and 215:
Page 216 and 217:
Page 218 and 219:
Page 220 and 221:
Page 222 and 223:
Page 224 and 225:
Page 226 and 227:
Page 228 and 229:
Page 230 and 231:
Page 232 and 233:
Page 234 and 235:
204 6. Evaluación Computacional do
Page 236 and 237:
206 6. Evaluación Computacional Tr
Page 238 and 239:
208 6. Evaluación Computacional po
Page 240 and 241:
210 6. Evaluación Computacional 6.
Page 242 and 243:
212 6. Evaluación Computacional Ca
Page 244 and 245:
214 6. Evaluación Computacional 31
Page 246 and 247:
216 6. Evaluación Computacional pe
Page 248 and 249:
218 6. Evaluación Computacional Co
Page 250 and 251:
Page 252 and 253:
222 6. Evaluación Computacional es
Page 254 and 255:
Page 256 and 257:
Page 258 and 259:
Page 260 and 261:
230 6. Evaluación Computacional Fi
Page 262 and 263:
232 6. Evaluación Computacional Fi
Page 264 and 265:
234 6. Evaluación Computacional Co
Page 266 and 267:
236 6. Evaluación Computacional de
Page 268 and 269:
238 6. Evaluación Computacional En
Page 270 and 271:
240 6. Evaluación Computacional El
Page 272 and 273:
Page 274 and 275:
244 6. Evaluación Computacional la
Page 276 and 277:
246 6. Evaluación Computacional no
Page 278 and 279:
248 6. Evaluación Computacional un
Page 280 and 281:
250 7. Conclusiones futuro. Finalme
Page 282 and 283:
252 7. Conclusiones consideran en e
Page 284 and 285:
254 7. Conclusiones forma gráfica
Page 286 and 287:
256 7. Conclusiones presenten las m
Page 288 and 289:
258 7. Conclusiones in Control, Aut
Page 290 and 291:
260 7. Conclusiones Satisfaction: F
Page 292 and 293:
262 7. Conclusiones métodos para l
Page 294 and 295:
264A. Sistemas desarrollados para l
Page 296 and 297:
Page 298 and 299:
Page 300 and 301:
Page 302 and 303:
Page 304 and 305:
Page 306 and 307:
Page 308 and 309:
Page 310 and 311:
Page 312 and 313:
Page 314 and 315:
Page 316 and 317:
Page 318 and 319:
Page 320 and 321:
Page 322 and 323:
Page 324 and 325:
Page 326 and 327:
Page 328 and 329:
298 BIBLIOGRAF ÍA [8] C. Barnhart,
Page 330 and 331:
300 BIBLIOGRAF ÍA [30] S. Dasgupta
Page 332 and 333:
302 BIBLIOGRAF ÍA [51] F. Glover.
Page 334 and 335:
304 BIBLIOGRAF ÍA [72] D. Jovanovi
Page 336 and 337:
306 BIBLIOGRAF ÍA [93] G.L. Nemhau
Page 338:
308 BIBLIOGRAF ÍA [113] Lindner Th
show all

modelizaci´on y métodos para la optimizaci´on y eficiencia

Create successful ePaper yourself

Delete template?

Save as template?