Producto añadido correctamente al carrito

Cantidad
Total
Continuar comprando

Realizar pago

Ingeniería

Suscribete a nuestro newsletter

Nuevo ¡Precio rebajado! Matlab. Computación metaheurística y bio-inspirada Ver más grande

Matlab. Computación metaheurística y bio-inspirada

Nuevo

Autor: Erik Cuevas, Fernando Fausto, Jorge Gálvez y Alma Rodríguz
Editorial: Alphaeditorial
Edición: Primera, 2021
Formato: Libro
Rústica, 17 x 23
401 páginas
Peso: 0,600 Kg
ISBN: 9789587787009

Más detalles


COP$ 65.700

-10%

COP$ 73.000

Ficha técnica

ISBN9789587787009
EdiciónPrimera
AutoresErik Cuevas, Fernando Fausto, Jorge Gálvez y Alma Rodríguez
EditorialAlphaeditorial
FormatoImpreso
Peso0.600
Páginas401
Dimensiones17 x 23
Año2021

Más

El libro provee los conceptos necesarios que habilitan al lector a implementar y modificar los métodos de cómputo metaheurísticos, para obtener los desempeños proyectados en las necesidades específicas de cada problema.

Reseña.

Las aplicaciones de la optimización son numerosas. Cada proceso es factible de ser optimizado. No hay organización alguna que no involucre, en sus actividades, la solución de problemas de optimización. En general, muchas aplicaciones interesantes en las ciencias y la industria, pueden ser formuladas como procesos de optimización.

Los algoritmos metaheurísticos y bio-inspirados son considerados herramientas genéricas de optimización, que pueden resolver problemas muy complejos caracterizados por contar un espacio de búsqueda demasiado grande. Los métodos de cómputo metaheurístico reducen el tamaño efectivo de este tipo de espacio, mediante el uso de estrategias efectivas de una manera más rápida y robusta. En comparación con otros algoritmos, las técnicas de cómputo metaheurísticas son más simples de diseñar e implementar.

Este libro presenta enfoques para la solución de problemas de optimización, en particular para los esquemas de computación metaheurística, e incluye diferentes aspectos matemáticos de la teoría de optimización y de los operadores metaheurísticos. No es un texto meramente teórico, su contenido está relacionado con sus aspectos prácticos, de tal forma que se presentan los principios de diseño fundamentales, así como los operadores de los enfoques esenciales.

Su contenido está basado enteramente en MATLAB, el estándar en programación científica e industrial, incluye algoritmos novedosos que no están disponibles en otros manuales. Además, los métodos de cómputo metaheurístico se exponen de manera compresible para lectores con poco entrenamiento matemático, lo que convierte el libro en el manual perfecto para los estudiantes de licenciatura y grado universitarios.

 

Contenido.

Prólogo

 

Capítulo 1. Optimización

1.1. Introducción

1.2. Métodos clásicos de optimización

1.3. Cómputo metaheurístico

1.4. Explotación y exploración

1.5. Aceptación y selección probabilística

1.6. Búsqueda aleatoria

1.7. Temple simulado

 

Capítulo 2. Algoritmo genético (GA)

2.1. Inspiración de diseño del algoritmo GA

2.2. Estrategia de búsqueda del algoritmo GA

2.3. Procedimiento computacional del algoritmo GA

2.4. Implementación en Matlab del algoritmo GA

2.5. Aplicación del algoritmo GA

 

Capítulo 3. Algoritmo evolución diferencial (DE)

3.1. Inspiración de diseño del algoritmo DE

3.2. Estrategia de búsqueda del algoritmo DE

3.3. Procedimiento computacional del algoritmo DE

3.4. Implementación en Matlab del algoritmo DE

3.5. Aplicación del algoritmo DE

 

Capítulo 4. Estrategias evolutivas

4.1. Inspiración del diseño del algoritmo

4.2. Estrategia de búsqueda del algoritmo (1+1) ES

4.3. Procedimiento computacional del algoritmo (1+1) ES

4.4. Implementación en MATLAB del algoritmo (1+1) ES

4.5. Variantes del Algoritmo de Estrategias Evolutivas

 

Capítulo 5. Optimización por enjambre de partículas

5.1. Inspiración del diseño del algoritmo

5.2. Estrategia de búsqueda del algoritmo PSO

5.3. Procedimiento computacional del algoritmo PSO

5.4. Implementación en Matlab del algoritmo PSO

5.5. Aplicaciones del algoritmo PSO

 

Capítulo 6. Colonia de abejas artificiales

6.1. Inspiración natural del algoritmo ABC

6.2. Estrategia de búsqueda del algoritmo ABC

6.3. Procedimiento computacional del algoritmo ABC

6.4. Implementación en Matlab del algoritmo ABC

6.5. Algoritmo ABC aplicado al diseño de resortes de tensión y comprensión

 

Capítulo 7. Optimización por colonia de hormigas

7.1. Inspiración natural del algoritmo ACO

7.2. Estrategia de búsqueda del algoritmo ACO

7.3. Procedimiento computacional del algoritmo ACO

7.4. Implementación en Matlab del algoritmo ACO

 

Capítulo 8. Algoritmo cuckoo search (CS)

8.1. Inspiración de diseño del algoritmo CS

8.2. Estrategia de búsqueda del algoritmo CS

8.3. Procedimiento computacional del algoritmo CS

8.4. Implementación de operadores del algoritmo CS

8.5. Implementación en Matlab del algoritmo CS

8.6. Aplicación del algoritmo CS

 

Capítulo 9. Algoritmo de búsqueda de cuervos (CSA)

9.1. Inspiración de diseño del algoritmo CSA

9.2. Estrategia de búsqueda del algoritmo CSA

9.3. Procedimiento computacional del algoritmo CSA

9.4. Implementación en Matlab del algoritmo CSA

9.5. Aplicación del algoritmo CSA

 

Capítulo 10. Algoritmo de optimización de la polilla-flama

10.1. Inspiración del diseño del algoritmo

10.2. Estrategia de búsqueda del algoritmo MFO

10.3. Procedimiento computacional del algoritmo MFO

10.4. Implementación en Matlab del algoritmo MFO

10.5. Aplicaciones del algoritmo MFO

 

Capítulo 11. Optimizador del lobo gris

11.1. Inspiración natural del algoritmo GWO

11.2. Estrategia de búsqueda del algoritmo GWO

11.3. Procedimiento computacional del algoritmo GWO

11.4. Implementación en Matlab del algoritmo GWO

11.5. Algoritmo GWO aplicado al diseño de vigas soldadas

 

Capítulo 12. Algoritmo de búsqueda gavitacional

12.1. Inspiración natural del algoritmo GSA

12.2. Estrategia de búsqueda del algoritmo GSA

12.3. Procedimiento computacional del algoritmo GSA

12.4. Implementación en Matlab del algoritmo GSA

12.5. Algoritmo GSA aplicado al diseño de entramados de tres barras

 

Capítulo 13. Búsqueda de los estados de la materia

13.1. Inspiración natural del algoritmo SMS

13.2. Estrategia de búsqueda del algoritmo SMS

13.3. Procedimiento computacional del algoritmo SMS

13.4. Implementación en Matlab del algoritmo SMS

13.5. Algoritmo SMS aplicado al diseño de trenes de cuatro engranajes

 

Capítulo 14. Algoritmo del seno-coseno

14.1. Introducción

14.2. Estrategia de búsqueda del algoritmo SCA

14.3. Análisis del algoritmo SCA

14.4. Análisis de complejidad del algoritmo SCA

14.5. Implementación en Matlab del SCA

14.6. Aplicación del algoritmo SCA

14.7. Comparación de desempeño entre los algoritmos SCA, PSO y GA

 

Índice analítico