Manejo de conocimiento en algoritmos evolutivos multiobjetivo para el diseño óptimo de un sistema de engranajes
Este trabajo, estudia los efectos sobre el frente de Pareto generado por el algoritmo NSGA-II cuando una estrategia de eliminación de soluciones superpuestas de la población es utilizada. También, se realiza un análisis de aquellas regiones del frente de Pareto donde la convergencia parece más difíc...
Guardado en:
Autores principales: | , , , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2017
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/65944 http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/ASAI/asai-08.pdf |
Aporte de: |
id |
I19-R120-10915-65944 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Optimización algoritmos genéticos múltiples objetivos |
spellingShingle |
Ciencias Informáticas Optimización algoritmos genéticos múltiples objetivos Méndez, Máximo Frutos, Mariano Pulido, Antonio Miguel, Fabio Rossit, Daniel Álamo, Antonio Luis Manejo de conocimiento en algoritmos evolutivos multiobjetivo para el diseño óptimo de un sistema de engranajes |
topic_facet |
Ciencias Informáticas Optimización algoritmos genéticos múltiples objetivos |
description |
Este trabajo, estudia los efectos sobre el frente de Pareto generado por el algoritmo NSGA-II cuando una estrategia de eliminación de soluciones superpuestas de la población es utilizada. También, se realiza un análisis de aquellas regiones del frente de Pareto donde la convergencia parece más difícil. Los resultados de estas observaciones son introducidas en un algoritmo evolutivo multiobjetivo, g-NSGAII, el cual incluye preferencias a priori del decisor en forma de punto de referencia. Finalmente, se hace una comparación de los resultados obtenidos por el último y el original algoritmo en un problema del estado del arte de optimización con dos objetivos del diseño de un tren de engranajes. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Méndez, Máximo Frutos, Mariano Pulido, Antonio Miguel, Fabio Rossit, Daniel Álamo, Antonio Luis |
author_facet |
Méndez, Máximo Frutos, Mariano Pulido, Antonio Miguel, Fabio Rossit, Daniel Álamo, Antonio Luis |
author_sort |
Méndez, Máximo |
title |
Manejo de conocimiento en algoritmos evolutivos multiobjetivo para el diseño óptimo de un sistema de engranajes |
title_short |
Manejo de conocimiento en algoritmos evolutivos multiobjetivo para el diseño óptimo de un sistema de engranajes |
title_full |
Manejo de conocimiento en algoritmos evolutivos multiobjetivo para el diseño óptimo de un sistema de engranajes |
title_fullStr |
Manejo de conocimiento en algoritmos evolutivos multiobjetivo para el diseño óptimo de un sistema de engranajes |
title_full_unstemmed |
Manejo de conocimiento en algoritmos evolutivos multiobjetivo para el diseño óptimo de un sistema de engranajes |
title_sort |
manejo de conocimiento en algoritmos evolutivos multiobjetivo para el diseño óptimo de un sistema de engranajes |
publishDate |
2017 |
url |
http://sedici.unlp.edu.ar/handle/10915/65944 http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/ASAI/asai-08.pdf |
work_keys_str_mv |
AT mendezmaximo manejodeconocimientoenalgoritmosevolutivosmultiobjetivoparaeldisenooptimodeunsistemadeengranajes AT frutosmariano manejodeconocimientoenalgoritmosevolutivosmultiobjetivoparaeldisenooptimodeunsistemadeengranajes AT pulidoantonio manejodeconocimientoenalgoritmosevolutivosmultiobjetivoparaeldisenooptimodeunsistemadeengranajes AT miguelfabio manejodeconocimientoenalgoritmosevolutivosmultiobjetivoparaeldisenooptimodeunsistemadeengranajes AT rossitdaniel manejodeconocimientoenalgoritmosevolutivosmultiobjetivoparaeldisenooptimodeunsistemadeengranajes AT alamoantonioluis manejodeconocimientoenalgoritmosevolutivosmultiobjetivoparaeldisenooptimodeunsistemadeengranajes |
bdutipo_str |
Repositorios |
_version_ |
1764820480747896834 |