Por favor, use este identificador para citar o enlazar este ítem: http://dgsa.uaeh.edu.mx:8080/handle/231104/3455
Título : Una metodología basada en Algoritmos Genéticos Autoadaptables para la construcción de modelos lineales para Series de Tiempo y Funciones de Transferencia Discretas.
Otros títulos : Ciencias Computacionales
Autor : Flores Pérez, Pedro
Palabras clave : Metodología
Algoritmo
Prueba
Variable
Fecha de publicación : sep-2009
Editorial : ICBI-BD-UAEH
Descripción : En este trabajo se desarrolla una propuesta metodológica para construir modelos lineales de Series de Tiempo y Funciones de Transferencia Discretas, a partir de plantear el problema de obtener un buen modelo lineal, como resolver un problema de optimización no lineal con variables acotadas. Cabe mencionar que para construir estos problemas se toman algunas ideas del enfoque estadístico tradicional. Dado que los problemas aquí planteados pueden presentar múltiples mínimos locales, se requiere utilizar una técnica especial para resolverlos. Con este fin se desarrolló una versión de Algoritmos Genéticos Autoadaptables, con codificación sobre números reales que permite, sin intervención del usuario, encontrar soluciones satisfactorias con el mismo código. Como producto de la metodología aquí presentada, en este trabajo se describen dos algoritmos heurísticos desarrollados para el tratamiento de Series de Tiempo, que permiten construir varios modelos para un mismo problema, donde la precisión de los mismos puede aumentarse incrementando el número de términos del modelo, situación que no ocurre con el enfoque estadístico tradicional. Así, con estos algoritmos, se pueden tener varias propuestas de solución para un mismo problema, de las cuales se puede elegir la que presente mejores resultados en el pronóstico.
Documento del Gobiberno : DRCCOM .7274 2009
URI : http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/3455
Aparece en las colecciones: Tesis de Doctorado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
AT14256.pdf2.44 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.