RT Dissertation/Thesis
T1 Diseño, implementación y evaluación de nuevos algoritmos evolutivos para problemas dinámicos
A1 Bravo Garcia, Yesnier
K1 Computación evolutiva - Tesis doctoral
AB Los problemas de optimización dinámicos (DOP) están fuera del alcance del algoritmoevolutivo (EA) estándar debido al problema de la convergencia , en la medida en que convergena un único punto del espacio de búsqueda, ellos pierden la diversidad necesaria parareaccionar y adaptarse después de un cambio en el problema. Pero a pesar de no estardirectamente enfocados en problemas dinámicos, los EA también ofrecen muchas ventajas(simplicidad, robustez, paralelismo natural, etc.) que se pueden aprovechar en optimizacióndinámica si se diseñan métodos eficientes y eficaces para eliminar tales limitaciones. Esta es lamotivación principal de los investigadores en el campo de la optimización dinámica evolutiva(EDO) y de la presente tesis doctoral.Esta investigación abordó el diseño, implementación y evaluación de nuevos AE para DOP,explorando y contribuyendo en la tres grandes áreas de desafíos actuales:● Estudios metodológicos,● Creación de fundamentos y● Aplicaciones a problemas dinámicos reales.
PB UMA Editorial
YR 2017
FD 2017-09-18
LK https://hdl.handle.net/10630/15842
UL https://hdl.handle.net/10630/15842
LA spa
NO En primer lugar, estudiamos los algoritmos paralelos distribuidos (dEA). Dicho modelodescentraliza la población en islas que evolucionan en paralelo e intercambian informaciónmediante migraciones . Hemos demostrado cómo diferentes políticas de migración puedenayudar a diseñar mejores dEA, capaces de lograr un equilibrio entre la convergencia (adaptarserápidamente a los movimientos de los óptimos) y la especiación (búsqueda de múltiplesubóptimos al mismo tiempo). Con ello se confirma la importancia de perseguir múltiplesvalores subóptimos en la optimización dinámica. Además, los resultados presentados en estosestudios cierran algunas brechas en la comprensión del comportamiento de dEA y, en general,todos los enfoques multi-poblacionales para DOP que intercambian algún tipo de informaciónentre las subpoblaciones.También desde el desafío metodológico, estudiamos otro de los métodos muy utilizadospara enfrentarse a DOP, los métodos que usan memoria global , con el fin de almacenarsoluciones que luego son usadas para perseguir el óptimo. Dos aspectos claves en el diseñode estos métodos son el reemplazo y la recuperación de las soluciones de la memoria. Nuestroestudio, basado en un número representativo de criterios, de forma independiente ycombinados también, descubrió cuál la efecto de cada estrategia en el rendimiento del EA enDOP. Cuando se probaron varias estrategias combinadas (muy común en esquemas dememoria reciente) se demostró que el orden en que se combinan las estrategias de memoriaes importante. Especialmente la contribución a la diversidad de la memoria resultó ser unaprioridad en el diseño de algoritmo, en contraposición con algunas implementacionesexistentes. Estas implementaciones pudieran ahora beneficiarse de nuestro estudio paradiseñar mejores algoritmos basados en memoria.En esta tesis doctoral también desarrollamos fundamentos teóricos, enfrentando otro de losdesafíos actuales en EDO. Nosotros redefinimos el concepto de takeover time , una métricamuy usada para medir presión selectiva en optimización estática, que no tenía una noción claraEDO. Esto es porque el takeover time depende directamente de la mejor solución de lapoblación y, en un DOP, la “mejor solución” cambia continuamente. No solo definimos elconcepto de takeover time , también desarrollamos modelos matemáticos para calcular su valor,siendo esto otra de las cuestiones de investigación que nos planteamos. Nuestros modelostienen en cuenta tanto características del EA como del DOP. Lo cual tiene mucha aplicación enEDO, como herramienta para conocer mejor los métodos actuales y cómo influyen susparámetros y los del problema en el rendimiento de estos.Los modelos de takeover time propuestos permiten diseñar nuevos métodos adaptativos,capaces de ajustar el comportamiento del algoritmo de acuerdo con la dinámica de cambioexperimentada. De hecho, en nuestra investigación no solo definimos el concepto yproponemos modelos de takeover para DOP, sino que también los usamos para construir unnuevo EA para EDO, denominado meEAμm . Este algoritmo se basa en los modelos de takeoverpara ajustar el operador de mutación y así controlar la convergencia del del EA a lo largo de laejecución, adaptándose a distintos periodos y severidades de cambio en un DOP. Losresultados han validado las ventajas del nuevo algoritmo sobre el método de generar diversidaddespués de un cambio.Por último, también en esta tesis abordamos el tercer gran desafío en EDO, relacionado conel desarrollo de aplicaciones para DOP reales de nuestras ciudades. Por un lado, hemosdesarrollado el sistema HITUL, para la optimización de los semáforos de una ciudad. Esteproblema es inherentemente dinámico, por los continuos cambios de la intensidad vehicular enla red de carreteras. No obstante, en este primer acercamiento no aplicamos directamente losnuevos algoritmos propuestos, sino que está más relacionado con el trabajo futuro, que en granmedida ya se ha iniciado para seguir trabajando en las líneas de impacto claras de aplicaciónreal que se derivan de esta tesis.Además, iniciamos la implementación de una plataforma para la resolución de problemasDOP reales de transportación y movilidad inteligente y abordamos el uso del vehículocompartido en tiempo real (c arpooling dinámico). Este sistema facilita compartir un automóvilcon otras personas que viajan en la misma dirección, y ayudan así a reducir los atascos y lasemisiones de CO 2 al reducir el número de coches en la red vial. La aplicación que estamosdesarrollando asigna personas y vehículos de forma óptima, en un contexto inherentementedinámico de la demanda de pasajeros. En esta investigación en curso hacemos unainterpretación de algunas fundamentos desarrollados como parte de nuestra investigación yque tienen una aplicación directa en escenarios reales, tales como la noción de takeover time .En resumen, hemos trabajado durante el tiempo de tesis en dotar a la investigación y a losresultados software de un realismo y usabilidad reales. Esto no es visible en publicaciones aún,pero nos está permitiendo desarrollar una aplicación para posible transferencia al mercadoindustrial en el dominio de la movilidad inteligente en entornos urbanos. Este trabajo futuro esya una realidad hoy en día al momento de la defensa, arrojando resultados de mucho interés.Esperamos en poco tiempo tras la defensa de esta tesis doctoral estar en condiciones deexplotar esto, ya que algunas empresas están interesadas en tal producto, permitiendo unatransferencia universidad-empresa y teoría-práctica ideal como punto final a todo este trabajo.
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 13 abr 2026