matemática - Blog de ESPOL - Escuela Superior Politécnica del Litoral

More documents

Recommendations

Info

FIGURA 3 Scatter search y la optimización funcional Salida en valores del algoritmo (MAX) Ahora se va a escoger minimizar la función en el problema y, de la misma manera que antes, se mostrará la mejor solución encontrada, primero de manera analítica en una ventana pequeña y luego gráficamente pintada de color azul junto con el gráfico de la función que es de color rojo. SCATTER SEARCH Y LA OPTIMIZACIÓN FUNCIONAL FIGURA 4 Scatter search y la optimización funcional Resultado gráfico del algoritmo (MAX) 18 Esta ventana indica la mejor solución encontrada y, también, el valor que se obtiene al evaluar a la función no lineal en la mejor solución encontrada y, además, resalta el hecho de que se puede observar, en el gráfico, esa mejor solución encontrada con un punto bien pintado de color azul. Se muestra a continuación el gráfico de la función incluida la mejor solución encontrada “pintada de azul”. En este caso se ha escogido maximizar la función no lineal. FIGURA 5 Scatter search y la optimización funcional Salida en valores del algoritmo (MIN)
Finalmente se muestra la mejor solución encontrada, ahora gráficamente. Se puede observar el punto pintado de color azul sobre la gráfica de la función de color rojo. Dicho punto azul representa la mejor solución encontrada. Cabe resaltar lo flexible del software al ejecutar el algoritmo de scatter search, ya que podemos tratar con cualquiera de las 10 funciones dadas, en cualquier intervalo cerrado donde la función no lineal sea continua, podemos “jugar” con todas las gráficas posibles y, al final, cuando el usuario se ha decidido respecto de la función y el intervalo cerrado en el que desea trabajar, simplemente escoge si desea maximizar o minimizar para finalmente hacer “click” en el botón etiquetado “Ejecutar Algoritmo”. C. MARTÍN FIGURA 6 Scatter search y la optimización funcional Resultado gráfico del algoritmo (MIN) 19 5. CONCLUSIONES Y RECOMENDACIONES La recomendación principal para futuros trabajos es la de extender a más variables independientes la implementación realizada, es decir, el poder optimizar funciones no lineales de varias variables reales. Otra recomendación sería la de hacer más flexible al software en el sentido de permitir que el usuario ingrese, a través de la interfaz gráfica, la función con la que desea trabajar, y que el sistema no tenga como restricción el poder maximizar o minimizar sólo una cuantas. Se puede apreciar también que “scatter search” no hace un uso intensivo de la aleatoriedad, es decir, no abusa de ella como sí lo hacen, por ejemplo, los algoritmos genéticos. La mezcla de diversidad y calidad del algoritmo muestran lo inteligente de su forma de trabajar.
Page 1 and 2: 1001000101001010010101011000111010
Page 3 and 4: matemática UNA PUBLICACIÓN DEL IC
Page 5 and 6: CONTENIDO EDITORIAL................
Page 7 and 8: matemática: Una publicación del I
Page 9 and 10: 3. RESULTADOS Para la comprensión
Page 11 and 12: FIGURA 11 Análisis estadístico de
Page 15 and 16: argumento “número de iteraciones
Page 17: corrida del algoritmo de scatter se
Page 23 and 24: [1]. Kleinkauf, J.-M., 1997. “Num
Page 25 and 26: Donde ( ) representa la medición q
Page 27 and 28: En este problema la función objeti
Page 29 and 30: Entonces, cuando exploramos N 1 par
Page 31 and 32: intermedia de la trayectoria, repre
Page 33 and 34: aleatoriamente (iii), y, por transi
Page 35 and 36: endimiento. En [6] se menciona que
Page 37 and 38: diferencia de Satir y Taube Neto, D
Page 39 and 40: PARAMETERS F tj , la cantidad de p
Page 41 and 42: productora que quiera mejorar su pr
Page 43 and 44: F. SANDOYA & W. RODRÍGUEZ APÉNDIC
Page 45 and 46: F. SANDOYA & W. RODRÍGUEZ FIGURA 5

matemática - Blog de ESPOL - Escuela Superior Politécnica del Litoral

Create successful ePaper yourself

Delete template?

Save as template?