- -

Aplicación de Algoritmos Genéticos para la optimización de problemas combinatorios

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Aplicación de Algoritmos Genéticos para la optimización de problemas combinatorios

Show simple item record

Files in this item

dc.contributor.advisor Barber Sanchís, Federico es_ES
dc.contributor.author Ambuludi Olmedo, Juan Andrés es_ES
dc.date.accessioned 2018-09-17T11:36:49Z
dc.date.available 2018-09-17T11:36:49Z
dc.date.created 2018-07-13
dc.date.issued 2018-09-17 es_ES
dc.identifier.uri http://hdl.handle.net/10251/107522
dc.description.abstract [ES] El problema tratado en el presente trabajo consiste en la minimización del tiempo y del consumo energético utilizado por un vehículo eléctrico durante un recorrido. Este problema se encuentra motivado por la reducida autonomía de los vehículos eléctricos y la búsqueda de ahorro por parte de los conductores, que se beneficiarían de un método de conducción eficiente que les permitiese recorrer mayores distancias sin tener que detenerse a recargar el vehículo. Las principales dificultades son dos: Por una parte, la búsqueda de una solución óptima requiere un tiempo de cómputo elevado debido a que el número de soluciones al problema aumenta exponencialmente con la cantidad de diferentes tramos que conforman una carretera; Adicionalmente, los objetivos de minimizar tiempo y consumo resultan conflictivos pues aumentar la velocidad acorta la duración del recorrido a cambio de aumentar el consumo, pero reducirla tiene el efecto contrario. La forma de afrontar estos problemas pasa por la utilización de algoritmos genéticos, dentro de los cuales se encuentra NSGA II: Un algoritmo bioinspirado que trata problemas multiobjetivo realizando la búsqueda inteligente de una solución compromiso. La implementación del NSGA II se realiza tras el desarrollo de un algoritmo genético simple (SGA) ya que constan de elementos similares. El tener un algoritmo simple y uno especializado motiva la realización de comparaciones, sin embargo, los SGA tratan un solo objetivo por lo que es adaptado para tener en cuenta tiempo y consumo. La comparación se lleva a cabo en 20 carreteras diferentes en las cuales NSGA II consigue mejores valores de tiempo y consumo que SGA permitiendo concluir que su uso es recomendable cuando se busca un mayor beneficio. es_ES
dc.description.abstract [EN] The problem addressed in this paper is to minimize the time and energy consumption used by an electric vehicle during a journey. This problem is caused by the reduced autonomy of electric vehicles and the search for savings by drivers, who would benefit from an efficient driving method that would allow them to travel longer distances without having to stop to recharge the vehicle. The main difficulties are two: On one hand, the search for an optimal solution requires a high computational time because the number of solutions to the problem increases exponentially with the number of distinct sections that make up a road; On the other hand, minimizing time and consumption is difficult since increasing the speed shortens the duration of the journey in exchange for increasing consumption, but reducing it has the opposite effect. The way to face these problems is using genetic algorithms, including NSGA II: A bio-inspired algorithm that addresses multi-objective problems by intelligently searching for a compromise solution. The implementation of NSGA II is done after the development of a simple genetic algorithm (SGA) as they have similar elements. Having a simple and specialized algorithm motivates comparisons, however, SGA treats only one objective, so it must be adapted to consider time and consumption. The comparison is carried out on 20 different roads on which NSGA II achieves better time and consumption values than SGA, allowing us to conclude that its use is recommended when looking for greater benefit. es_ES
dc.format.extent 78 es_ES
dc.language Español es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Vehículo eléctrico es_ES
dc.subject Algoritmo genético es_ES
dc.subject Optimización multiobjetivo es_ES
dc.subject NSGA es_ES
dc.subject Electric vehicle es_ES
dc.subject Genetic algorithm es_ES
dc.subject Muti-objective optimization es_ES
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Grado en Ingeniería Informática-Grau en Enginyeria Informàtica es_ES
dc.title Aplicación de Algoritmos Genéticos para la optimización de problemas combinatorios es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica es_ES
dc.description.bibliographicCitation Ambuludi Olmedo, JA. (2018). Aplicación de Algoritmos Genéticos para la optimización de problemas combinatorios. http://hdl.handle.net/10251/107522 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela 73215 es_ES


This item appears in the following Collection(s)

Show simple item record