Download Facultad de Ingeniería Eléctrica - Posgrado FIE

(*)
UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO
FACULTAD DE INGENIERÍA ELÉCTRICA
DIVISIÓN DE ESTUDIOS DE POSGRADO
Optimización mediante técnicas heurísticas
No. Hrs. /Semana:
Duración en semanas:
Total de Horas:
Número de Créditos:
4
16
64
8
Conocimientos previos recomendados: Inteligencia Artificial, Lenguajes de Programación.
Objetivo:
Descripción: En la práctica existen una gran cantidad de problemas de optimización cuya descripción
depende de funciones no convexas, lo cual implica la existencia de múltiples máximos y/o
mínimos. Lo anterior ocasiona que los métodos basados en soluciones locales fallen. Este curso
proporciona las bases de optimización global basada en diferentes paradigmas desarrollados en
el área de inteligencia artificial. Éstos se basan en la idea de resolver problemas mediante
diferentes heurísticas la mayoría de las cuales estarán basadas en técnicas evolutivas, las cuales
son útiles para encontrar soluciones óptimas en espacios de búsqueda muy grandes. El capitulo
final se tocará el tema de optimización multi-objetivo basada en sistemas inmunes, para enfrentar
problemas que tienen objetivos que se contraponen. Las aplicaciones que se propongan serán una
manera llevar a la práctica los conceptos teóricos desarrollados a lo largo del curso y se
enfocarán a diferentes problemas de Ingeniería..
Programa sintético:
Tema
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
Introducción a la computación evolutiva
Fundamentos de estrategias evolutivas y programación evolutiva (EA)
Algoritmos genéticos (GA)
Optimización basada en enjambres de partículas (PSO)
Optimización basada en colonias de hormigas (ACS)
Búsqueda tabú (TS)
Recocido Simulado (SA)
Evolución diferencial (DE)
Algoritmos miméticos (MA)
Algoritmos basados en sistemas inmunes (ISA)
Aplicaciones
Total de Horas
Duración (hrs.)
2
4
8
5
5
5
5
5
5
6
14
64
Programa desarrollado:
1.
2.
3.
Introducción a la computación evolutiva
1.1.
Introducción
1.2.
Computación evolutiva vs. optimización matemática,
Fundamentos de estrategias evolutivas y programación evolutiva (EA)
2.1.
Modelo formal de Evolución
2.2.
Estrategias de evolución
2.3.
Programación Evolutiva
Algoritmos genéticos (GA)
2
4
8
3.1.
Cromosomas poliploidales
3.2.
Mutación
3.3.
Recombinación
3.4.
Otros operadores
3.5.
Selección
3.6.
El proceso de GA
3.7.
Preparación para solución de problemas mediante GA
4.
Optimización basada en enjambres de partículas (PSO)
4.1.
Introducción
4.2.
Conceptos básicos
4.3.
Variaciones de PSO
4.4.
Conclusiones
5.
Optimización basada en colonias de hormigas (ACS)
5.1.
Introducción
5.2.
Algoritmos
5.3.
Conclusiones
6.
Búsqueda tabú (TS)
6.1.
Introducción
6.2.
Funciones y estrategias
6.3.
Conclusiones
7.
Recocido Simulado (SA)
7.1.
Introducción
7.2.
Principios básicos de SA
7.3.
Determinación de los parámetros de SA
7.4.
Conclusiones
8.
Evolución diferencial (DE)
8.1.
Introducción
8.2.
Fundamentos
8.3.
Operadores básicos en DE
8.4.
Conclusiones
9.
Algoritmos miméticos (MA)
9.1.
Introducción
9.2.
El MA básico
9.3.
Diseño de MA
9.4.
Conclusiones
10.
Algoritmos basados en sistemas inmunes (ISA)
10.1.
Introducción
10.2.
Principios básicos
10.3.
Enfoques de solución
10.4.
Optimización multi-objetivo
10.5.
Conclusiones
11.
Aplicaciones
5
5
5
5
5
5
6
14
Bibliografía:
[1] Kwang Y. Lee, Mohamed A. El-Sharkawi. Modern Heuristic Optimization Techniques Theory
and Applications to Power Systems, Wiley Interscience, IEEE Press. 2008
[2] Engelbrecht, Andres P., Computational Intelligence: An Introduction, 2nd. Ed. John Wiley &
Sons Inc. 2007
[3] Mitsuo Gen and Runwei Cheng, Genetic Algorithms and Engineering Optimization. John
Wiley & Sons, Inc. 2000
[4] Dorigo, M., Stutzle, Thomas, Ant Colony Optimization, MIT Press, 2004
[5] Christian Jacob. Illustrating Evolutionary Computation with Mathematica. Morgan Kauffman
Publishers, Inc. 2001.
Metodología de enseñanza-aprendizaje:
Revisión de conceptos, análisis y solución de problemas en clase
Lectura de material fuera de clase
Ejercicios fuera de clase (tareas)
Investigación documental
Elaboración de reportes técnicos o proyectos
X
X
X
X
X
Metodología de evaluación:
Asistencia
Tareas
Elaboración de reportes técnicos o proyectos
Exámenes
Programa propuesto por:
Fecha de aprobación:
Dr. Jaime Cerda Jacobo
X
X
X
X