Algoritmo hibrido auto configurado para optimización estructural

Simple item page
dc.contributor.advisorBegambre Carrillo, Oscar Javier
dc.contributor.authorSalazar Pinto, Pedro Yoajim
dc.date.accessioned2024-03-03T17:37:19Z
dc.date.available2009
dc.date.available2024-03-03T17:37:19Z
dc.date.created2009
dc.date.issued2009
dc.description.abstractEn este trabajo de investigación se propone un nuevo algoritmo hibrido auto-configurado a partir de dos algoritmos, Particle Swarm Optimization (PSO) y un Algoritmo Genético (GA) llamado AACGA-PSO. Con esta estrategia se pretende mejorar la confiabilidad del procedimiento. Este nuevo algoritmo combina las características de búsqueda del PSO en la función objetivo y el GA el espacio de parámetros heurísticos que controlan el PSO para mejorar su capacidad de localizar puntos óptimos Adicionalmente se introdujo el concepto de partícula guía. Esta partícula (la mejor global de PSOs en cada generación) pasa su información a una partícula de de la siguiente generación de PSOs que a su ves es controlado por el GA. De esta forma el hibrido presentado tiene una característica de elitismo que mejora el comportamiento y garantiza que la siguiente generación sea igual o mejor que la anterior. En diversas pruebas realizadas en funciones reportadas en la literatura internacional con el AAC-GA-PSO se ve un mejor desempeño en estabilidad, precisión y robustez cuando comparamos con PSO y GA clásicos. Al tener un buen desempeño en la optimización este nuevo algoritmo (AAC-GA-PSO) se empleo para identificar el daño en una viga simplemente apoyada empleando datos modales, finalmente, vale la pena recalcar que este procedimiento propuesto es independiente de la definición inicial de los parámetros heurísticos
dc.description.abstractenglishThis research Project proposes a new Autoconfigured Hybrid Algorithm, configured taking into account two algorithms as starting points: Particle Swarm Optimization (PSO) and a genetic algorithm (GA) called AAC-GA-PSO. With this strategy, reliability of the procedure is intended to be improved. This new algorithm combines the search characteristics of PSO in the target function and the GA, the space of heuristic parameters that control PSO for optimizing its capacity of locating optimal points. Aditionally, the concept of guide particle is introduced. This particle (the best PSOs global in each generation), transmits its information to a particle of the following PSOs generation, which is controlled by the GA as well. Thus, the present hybrid has an elitism feature that improves performance and guarantees the following generation to be alike or better than the previous one. In different tests carried out in functions, reported in international literature, a better performance in stability is observed with the AAC-GA-PSO, precision and robustness when compared to classic PSO and GA. Since it has a good performance in optimization, this new algorithm (AAC-GA-PSO), was used to identify damage in a beam, simply supported by using modal data. Finally, it is important to highlight that this procedure is independent from the initial definition of heuristic parameters.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Civil
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/22834
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Civil
dc.publisher.schoolEscuela de Ingeniería Civil
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectPso
dc.subjectGa
dc.subjectParticle Swarm Optimization
dc.subjectGenetic Algorithm
dc.subjectHibrido
dc.subjectAac-Ga-Pso
dc.subject.keywordPso
dc.subject.keywordGa
dc.subject.keywordParticle Swarm Optimization
dc.subject.keywordGenetic Algorithm
dc.subject.keywordHybrid. Aac-Ga-Pso
dc.titleAlgoritmo hibrido auto configurado para optimización estructural
dc.title.englishAutoconfigured hybrid algorithm for structural optimization
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
282.34 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
4.22 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
222.54 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Civil