Show simple item record

dc.contributor.advisorCruz Reyes, Laura
dc.contributor.advisorDorronsoro Díaz, Bernabé 
dc.contributor.authorMacias Escobar, Teodoro Eduardo
dc.contributor.otherIngeniería Informáticaes_ES
dc.date.accessioned2023-07-21T09:26:12Z
dc.date.available2023-07-21T09:26:12Z
dc.date.issued2021
dc.identifier.urihttp://hdl.handle.net/10498/29017
dc.description.abstractLa búsqueda de resultados óptimos es común en la vida cotidiana. Por esta razón, la resolución de problemas de optimización es vital para cualquier estrato económico o social. Sin embargo, un gran número de estos problemas presentan características que dificultan obtener un resultado satisfactorio. Destacan características como la existencia de múltiples objetivos en conflicto, las preferencias de cada tomador de decisiones y los cambios frecuentes en el entorno del problema. En la literatura especializada se han propuesto diferentes métodos de resolución y evaluación de resultados. No obstante, es un reto determinar cuál es el más adecuado para cada tipo de problema de optimización. Para contribuir a elevar el nivel de generalidad de resolución, esta tesis propone el desarrollo de una metodología mediante hiperheurísticas para solucionar problemas de optimización dinámicos, con preferencias determinadas y con un número creciente de objetivos. Las hiperheurísticas construidas presentan un conjunto de contribuciones que pueden ser incorporadas en otros algoritmos de este tipo. Una contribución es el desarrollo de metaheurísticas para operar como heurísticos de bajo nivel. Otra contribución es el desarrollo de un método de incorporación preferencias basado en la formación de planos de separación de soluciones alrededor de una región preferida aproximada. Contribuciones adicionales son la exploración de métodos de selección de heurísticas de bajo nivel, de criterios de aceptación de soluciones basados en diferentes métricas de desempeño y del uso de evolucionabilidad poblacional. Este último es un método de análisis de aptitud de entornos, extendido para soportar la selección de heurísticas en entornos dinámicos. Varias de estas estrategias son contribuciones originales en el área de hiperheurísticas para el tipo de problemas que se abordan. Lo anterior permite establecer un punto de entrada para futuras investigaciones. Los resultados obtenidos muestran que las hiperheurísticas propuestas son capaces de producir soluciones de buena calidad para problemas de optimización estándar de diversas características. En particular muestran dos aspectos importantes respecto a su eficacia. En primer lugar, la capacidad de obtener mejores soluciones con respecto a varios algoritmos del estado del arte en las tres dimensiones del problema: número de objetivos, manejo de preferencias y dinamismo. En segundo, la capacidad de solucionar problemas de optimización de forma más efectiva que cada uno de los metaheurísticos que componen a la hiperheurística al ser ejecutados de forma individual.es_ES
dc.formatapplication/pdfes_ES
dc.language.isospaes_ES
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectproblemas de optimizaciónes_ES
dc.subjecthiperheurísticases_ES
dc.titleOptimización de problemas dinámicos en presencia de un gran número de objetivos y preferencias del decisores_ES
dc.typedoctoral thesises_ES
dc.rights.accessRightsopen accesses_ES
dc.type.hasVersionNAes_ES


Files in this item

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
This work is under a Creative Commons License Attribution-NonCommercial-NoDerivatives 4.0 Internacional