Metodología basada en algoritmos genéticos para la programación de oleoductos
El objetivo principal de la aplicación “metodología basada en algoritmos genéticos para la programación de oleoductos”, es la generación de productos que apoyen los procesos de planeación de la capacidad de transporte, generar los compromisos con los clientes y generar la programación detallada de l...
- Autores:
-
López Hernández, Pedro Fabian
Saavedra Hernández, Carlos Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2004
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/26173
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/26173
- Palabra clave:
- Systems engineer
Technological innovations
Genetic algorithms
Artificial intelligence
Oil pipelines
Data thinking
Genetic programming (Computers)
Learning classification systems
Evolutionary computing
Combinatorial optimization
Ingeniería de sistemas
Innovaciones tecnológicas
Programación genética (Computadores)
Sistemas de clasificación de aprendizaje
Computación evolutiva
Optimización combinatoria
Algoritmos genéticos
Inteligencia artificial
Oleoductos
Pensamiento de datos
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_29d755634fb98175354210e5615d15a9 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/26173 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Metodología basada en algoritmos genéticos para la programación de oleoductos |
| dc.title.translated.spa.fl_str_mv |
Methodology based on genetic algorithms for the scheduling of oil pipelines |
| title |
Metodología basada en algoritmos genéticos para la programación de oleoductos |
| spellingShingle |
Metodología basada en algoritmos genéticos para la programación de oleoductos Systems engineer Technological innovations Genetic algorithms Artificial intelligence Oil pipelines Data thinking Genetic programming (Computers) Learning classification systems Evolutionary computing Combinatorial optimization Ingeniería de sistemas Innovaciones tecnológicas Programación genética (Computadores) Sistemas de clasificación de aprendizaje Computación evolutiva Optimización combinatoria Algoritmos genéticos Inteligencia artificial Oleoductos Pensamiento de datos |
| title_short |
Metodología basada en algoritmos genéticos para la programación de oleoductos |
| title_full |
Metodología basada en algoritmos genéticos para la programación de oleoductos |
| title_fullStr |
Metodología basada en algoritmos genéticos para la programación de oleoductos |
| title_full_unstemmed |
Metodología basada en algoritmos genéticos para la programación de oleoductos |
| title_sort |
Metodología basada en algoritmos genéticos para la programación de oleoductos |
| dc.creator.fl_str_mv |
López Hernández, Pedro Fabian Saavedra Hernández, Carlos Andrés |
| dc.contributor.advisor.none.fl_str_mv |
García Díaz, Juan Carlos |
| dc.contributor.author.none.fl_str_mv |
López Hernández, Pedro Fabian Saavedra Hernández, Carlos Andrés |
| dc.contributor.cvlac.spa.fl_str_mv |
García Díaz, Juan Carlos [0000201529] |
| dc.subject.keywords.spa.fl_str_mv |
Systems engineer Technological innovations Genetic algorithms Artificial intelligence Oil pipelines Data thinking Genetic programming (Computers) Learning classification systems Evolutionary computing Combinatorial optimization |
| topic |
Systems engineer Technological innovations Genetic algorithms Artificial intelligence Oil pipelines Data thinking Genetic programming (Computers) Learning classification systems Evolutionary computing Combinatorial optimization Ingeniería de sistemas Innovaciones tecnológicas Programación genética (Computadores) Sistemas de clasificación de aprendizaje Computación evolutiva Optimización combinatoria Algoritmos genéticos Inteligencia artificial Oleoductos Pensamiento de datos |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería de sistemas Innovaciones tecnológicas Programación genética (Computadores) Sistemas de clasificación de aprendizaje Computación evolutiva Optimización combinatoria |
| dc.subject.proposal.spa.fl_str_mv |
Algoritmos genéticos Inteligencia artificial Oleoductos Pensamiento de datos |
| description |
El objetivo principal de la aplicación “metodología basada en algoritmos genéticos para la programación de oleoductos”, es la generación de productos que apoyen los procesos de planeación de la capacidad de transporte, generar los compromisos con los clientes y generar la programación detallada de la operación. Básicamente, el sistema calculará en el proceso de planeación de la capacidad de transporte la capacidad disponible para transportar hidrocarburos de un origen a un destino para un periodo especifico, este cálculo será utilizado por la aplicación De nominaciones y por al proceso de generar los compromisos con los clientes ya que con este software podemos ver cuánto se tarda en llegar un loto especifico a su destino. |
| publishDate |
2004 |
| dc.date.issued.none.fl_str_mv |
2004 |
| dc.date.accessioned.none.fl_str_mv |
2024-08-23T12:39:19Z |
| dc.date.available.none.fl_str_mv |
2024-08-23T12:39:19Z |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.hasversion.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/26173 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/26173 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
DIAZ, Adenso; GLOVER, Fred; GHAZIRI, M. Hassan; GONZALEZ, J. L.; LAGUNA, Manuel; MOSCATO, Pablo; TSENG, T. Fant. •'Optimización Heurística y Redes Neuronales en Dirección de Operaciones e Ingeniería”. Madrid: Paraninfo S.A. Editorial, 1996. Págs. 67 100. CHENEY, E.W. Introduction to Approximation Theory, Ch. 2, McGraw-Hill Book Company, 1966. FISHMAN, GEORGE. Concepts and methods in discreto event diqital http://www.kmutt.ac.th/itc2002/CD/pdf/18 07 4S/TP1 PJZ1.pdf Pipelined Scheduling for Dynamically Reconfigurable FPGAs HARASHIMA Katsumi MINAMI Yuuki KUTSUWAToshiro - Enero 2003. http://www.utdallas.edu/research/esc/peoplepaqes/edsha.html Edwin H-M Sha Ptvfessor Department of Computer Science University of Texas at Dallas - Enero 2003 http://www.redcientiflca.com/qaia/ Gaia AirCenter Red Científica Inteligencia Artificial - Diciembre 2002 http://www.uv.es/~rmarti/aenet.html Algoritmos Genéticos Rafael Martí - Enero 2003 http://casa.ccp.servidores.net/qenetico.html Algoritmos Genéticos - Enero 2003 http://aeneura.uar.es/~imerelo/ie/ags.htm Informática evolutiva: Algoritmos genéticos Juan Julián Morolo Guorvós - Junio 2003 http://geneura.uar.es/~imerelo/ie/intro.htm Informática evolutiva J. J. Merelo Guervós - Junio 2003 The Genetic Algorithms Archive - Enero 2003 http;//sanii?dat.i¡iines.edu/qa íutorial/ http://www.arrakis.es/~rporcar/ Club C++ Builder - Eneio 2003 http://www.clubdelphi.com Club Delphi - Julio 2003 http://www.aeocities.com/SiliconVallev/Bvte/4713/qa/E-GA3.htm Algoritmos Genéticos - Octubre 2003 http://www.ecopetroi.com.co Empresa Colombiana de Petróleos. ECOPETROL Diciembre 2002 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Bucaramanga (Santander, Colombia) |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería de Sistemas |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/26173/2/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/26173/1/2004_Lopez_Hernandez_Pedro.pdf https://repository.unab.edu.co/bitstream/20.500.12749/26173/3/2004_Lopez_Hernandez_Pedro.pdf.jpg |
| bitstream.checksum.fl_str_mv |
3755c0cfdb77e29f2b9125d7a45dd316 9cebd2e8976a961055c41600b975ba4e a0edc361c5939e20ef940bcffaf2a596 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1814277806405713920 |
| spelling |
García Díaz, Juan Carlosc59c6cfc-d09a-4b1a-991f-afcd2793bdd0López Hernández, Pedro Fabian706a17f3-3ffb-4755-9f0d-7df80ee7af71Saavedra Hernández, Carlos Andrés4f6714ad-a2c1-4a57-80e1-9d2c07ab9aa1García Díaz, Juan Carlos [0000201529]Bucaramanga (Santander, Colombia)UNAB Campus Bucaramanga2024-08-23T12:39:19Z2024-08-23T12:39:19Z2004http://hdl.handle.net/20.500.12749/26173instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEl objetivo principal de la aplicación “metodología basada en algoritmos genéticos para la programación de oleoductos”, es la generación de productos que apoyen los procesos de planeación de la capacidad de transporte, generar los compromisos con los clientes y generar la programación detallada de la operación. Básicamente, el sistema calculará en el proceso de planeación de la capacidad de transporte la capacidad disponible para transportar hidrocarburos de un origen a un destino para un periodo especifico, este cálculo será utilizado por la aplicación De nominaciones y por al proceso de generar los compromisos con los clientes ya que con este software podemos ver cuánto se tarda en llegar un loto especifico a su destino.Glosario..................................................... 15 Resumen............................................... 20 Introducción........................................... 21 1. Objetivos del proyecto........................... 22 1.1 objetivo general..................................................................................................................22 1.2 objetivo especifico............................................................................................................. 22 2. Información de procesos - planificación de la operación.23 2.1 descripción de subprocesos asociados al proceso de Planificación de la operación...............................................................................................23 2.1.1 esquema general de los procesos............................................................................. 23 2.2 planeación de la capacidad de transporte................................................... 25 2.2.1 consolidación y definición del programa de mantenimiento presupuesto.............26 2 111 consolidación de propuestas de mantenimiento y proyectos.................................................. 26 2.1.1 2 ajuste del programa preliminar de mantenimiento por recursos y i echa comunes26 2.2.2.1 recopilación y consolidación de información de pronósticos de demanda............. 28 2.2.2.2 recopilación y validación de la proyección de existencias de alineas y tanques inicio mes n+1....................................29 2.2.2.3 validación de la información de infraestructura y costos........................................29 2.2.2.4 definición de escenarios o casos de operación............................................................30 2.2.3 generación de un programa de transporte usando ratas de flujo validadas Hidráulicamente.................................................................................................................................32 2.2.4 validación del escenario seleccionado...................................................................... 34 2.2.4.1 análisis operacional................................................................................................ ;....... 34 2.2.4.2 análisis económico.......................................................................................................... 35 2.2.5 negociación del programa de mantenimiento............................................................ 36 2.3 generación de los compromisos con los clientes....................................37 2.3.1 consolidación de nominaciones y validación contractual (gts)... 39 2.3.2 consolidación de la información operacional y definición de Escenarios.....................................................................................................................................41 2.3.2.1 recopilar y validar información de infraestructura y costos................................. 42 2.3.2.2 recopilar y validar proyección en líneas y tanques inicio mes n+1.......................... 42 2.3.2.3 recopilar y validar información de nominaciones solicitadas...................................42 2.3.2.4 recopilar y consolidar información de cambios de mantenimiento y operación. 43 3.2.2.5 definir escenarios o casos de operación.......................................................................... 44 2.4 generación de un programa tentativo usando ratas de flujo Validadas hidraulicamente........................................................................46 2.5 validación del escenario seleccionado......................................................... 47 2.5.1 análisis operacional..........................................................................................................48 3. generación de la programación detallada de la operación 50 3.1 consolidación de ajustes a la nominación (en gts)...............................................52 3.2 consolidación de la información operacional y definición de Escenarios.....................................................................................................53 3.2.1 procedimiento de book-keeping......................................................................................... 53 3.2.2 recopilación y consolidación de información de inventarios en líneas y tanques..........54 3.2.2 recopilación y consolidación de información de cambios de mantenimiento y operación......... 55 3.2.3 recopilación y validación de información de infraestructura y costos.......................... 56 3.2.4 recopilación y validación de información de nominaciones confirmadas meses n+1,n+2 57 3.2.5 definición de escenarios o casos de operación....................................................................57 3.3 generación de un programa definitivo de transporte usando ratas De flujo validadas hidraulicamente...................................................................................58 3.3.1 generación del programa definitivo.......................................................................................58 3.3.2 identificación dentro del lleno de línea del número de tender e información del Cliente 60 3.4 validación del escenario seleccionado....................................................................61 3.4.1 análisis operacional................................................................................................................ 63 3.4.2 análisis económico................................................................................................................... 63 3.4.3 integración de resultados..................................................................................................... 64 3.4.4 definición de i a programación semanal con resolución diaria.......................................... 65 3.4.5 definición del programa de transporte tentativo mes n+1 y n+2......................................65 4. Definición del esquema óptimo de operaciones..................... 67 4.1 consolidación de información operacional........................................................... 67 4.2 optimización energeiica...................................................................................................... 67 4.3j4nalls1sdeineormaciom_y determinación programa — optimo con Solución horaria.................................................................................................................... 68 5. Administración de información.......................................................69 5.1 edición de información de la infraestructura..........................................69 5.1.1 ajustes a la información base....................................................................................... 69 5.1.2 ajustes información de criterios de optimización........................................................70 5.2 notificación de resultados de planes y programas.............................. 71 5.2.3 confirmación de recibo de notificaciones........................................................................73 6. Computación evolutiva...................................................................... 75 6.1 introduccion.............................................................................................................. 75 6.2 bases biologicas.......................................................................................................75 6.3 algoritmo evolutivo............................................................................................... 77 6.3.1 esquema de un algoritmo evolutivo...........................................................................77 6.3.2 división de los algoritmos evolutivos....................................................................... 78 6.3.2.1 programación evolutiva................................................................................................. 78 6.3.2.2 estrategia de evolución................................................................................................. 78 6.3.2.3 algoritmos genéticos..................................................................................................... 79 6.3.3 subdivisión de los algoritmos evolutivos................................................................. 79 6.3.3.1 programas de evolución............................................................................................... 80 6.3.3.2 programación genética................................................................................................. 80 6.4 componentes comunes en los algoritmos de computación Evolutiva........................................................................................................80 7. Algoritmo genético............................................................................. 83 7.1 introduccion................................................................................................................83 7.2 ciclo típico de un algoritmo genético84 7.3 estructura de un algoritmo genético84 7.3.1 población inicial84 7.3.2 evaluación85 7.3.3 selección o explotación85 7.3.4 exploración y técnica de reemplazo86 7.3.5 nuevos cromosomas86 7.4 terminología de los algoritmos geneticos86 7.4.1 espacio de búsqueda86 7.4.2 genotipo -genotype-un 87 7.4.3 fenotipo -phenotype-un87 7.4.4 gen................................ 87 7.4.5 alelo 87 7.4.6 función de representación87 7.4.7 función de aptitud88 7.4.8 población89 7.5 mecanismos de selección89 7.5.1 propiedades de los mecanismos de selección90 7.5.1.1 selección dinámica y estática90 7.5.1.2 presión de selección91 7.5.1.3 extintividad92 7.5.2 tipos de selección92 7.5.2.1 algoritmos de muestreo92 7.5.2.2 selección aleatoria93 7.5.2.3 selección proporcional93 7.5.2.4 selección por rango93 7.5.2.5 selección por torneo93 7526 selección por truncamiento 94 7.6 cruce94 7 7mutación Matemática96 8.1 introduccion96 8.2 algoritmos genéticos como modelo de general de optimización. (1] 96 8.3 comparación de los métodos de optimización97 8.3.1 algoritmos genéticos y métodos matemáticos97 8.3.2 algoritmos genéticos y métodos enumerativos98 8.3.3 algoritmos genéticos y sistemas expertos99 8.3.4 algoritmos genéticos y redes neuronales102 8.4 lógica borrosa (fuzzylogic) y algoritmos genéticos [2]103 8.5 etapas en el diseño de un algoritmo genético105 8.5.1 análisis de la factibilidad de utilizar un algoritmo genético105 8.5.2 definición del problema en particular105 8.5.3 derivación de las variables pertinentes106 8.5.4 definición del cromosoma y los genes106 8.5.5 elección de la arquitectura de ags109 8.5.6 diseño de la función de convergencia y control109 8.5.7 introducción del cromosoma en el programa de ags y programación en el mismo De la función convergencia 110 8.5.8 ejecución del ags110 8.6 vistazo a la forma de trabajo de un ags110 9. Metodologia122 9.1 análisis de la factibilidad de utilizar el algoritmo genético....................................122 9.2 definición del problema.................................................................................................122 9.3 definición de las variables pertinentes...................................................................... 123 9.4 definición del cromosoma y los genes....................................................................... 126 9.5 elección de la arquitectura de algoritmo genético................................................. 126 9.6 diseño de la función objetivo.......................................................................................127 9.6.2 restricción: calidad del producto.............................................................................127 9.6.3 restricción: tamaño mínimo y máximo del bache...................................................... 128 9.6.4 restricción: capacidad mínima (cero) y máxima en cada centro por producto 128 9.6.5 restricción: inventario en centros operacionales................................................. 128 !).(>.!>. i oleoductos........................................................................................................................ 129 9.5.6.2 función objetivo..............................................................................................................134 9.6.6 restricción: satisfacción del consumo diario......................................................... 140 9.6.7 restricción: flujo variable dependiendo del peso de la línea............................. 140 9.7 introducción del cromosoma fn el programa de algoritmo genético y programación de la función objetivo............................................................................................ 141 9.8 ejecución del algoritmo genético............................................................................... 141 10. descripción de la aplicacion....................................................... 142 10.1 análisis..........................................................................................................................143 10.1.1 viabilidad del proyecto.................................................................................................143 10.1.1.1 beneficios del proyecto...............................................................................................143 10.1.1.2 necesidad del proyecto............................................................................................... 144 10.1.2 análisis y estudio del sistema..................................................................................... 144 10.1.2.1 descripción general del sistema actual.................................................................. 144 10.1.3 análisis y estudio del sistema propuesto.................................................................144 10.1.3.1 meta..................................................................................................................................... 144 10.1.3.2 ai cancf dfi proyecto 145 10.1.3.3 diagrama de contexto....................................................................................................... 145 10.1.3.4—arquitectura.....................................................................~ ..... 146 1 u. 1.3.5 base de datos...................................................................................................................147 10.1.3.6 herramienta de desarrollo.......................................................................................... 147 10.1.3.7 sistema operacional.......................................................................................................148 10.1.3.8 ambiente de desarrollo................................................................................................ 148 10.1.3.9 comunicaciones.............................................................................................................. 149 10.1.3.10 plataforma......................................................................................................................149 10.1.3.12 modelo matemático..........................................................................................................150 10.1 convenciones para los diagramas de flujo de datos.............................. 151 10.2 diseño de datos........................................................................................................ 154 10.2.1 modelo entidad-relación.............................................................................................. 154 10.2.1.1 tablas...............................................................................................................................154 10.2.1.1.1 tablas básicas.................................................................................................................155 10.2.1.1.2 interfases........................................................................................................................................................ 155 10.2.1.1.3 seguridad.........................................................................................................................157 10.2.2 atributos......................................................................................................................... 158 10.2.3 pantallazos.....................................................................................................................158 10.2.3.1 interfaz menú principal.................................................................................................158 10.2.3.2 interfazárea................................................................................................................... 159 10.2.3.3 interfaz centros............................................................................................................ 160 10.2.3.4 interfaz cliente............................................................................................................. 160 10.2.3.5 interfaz plantilla de programación............................................................................ 161 10.2.3.6 interfaz sistema..............................................................................................................162 10.2.3.7 interfaz tanques............................................................................................................ 162 10.2.3.8 interfaz galán.................................................................................................................163 10.2.3.9 interfaz inicio de programación................................................................................... 164 10.2.3.10 interfaz programación................................................................................................ 165 10.2.3.11 interfaz salida del sistema......................................................................................... 166 conclusiones...............................................................................................167 bibliografía...................................................................................................168PregradoThe main objective of the application “genetic algorithm-based methodology for pipeline scheduling” is to generate products that support the transportation capacity planning processes, generate commitments with clients and generate detailed operation programming. Basically, the system will calculate in the transportation capacity planning process the available capacity to transport hydrocarbons from an origin to a destination for a specific period. This calculation will be used by the application Of nominations and by the process of generating commitments with clients since with this software we can see how long it takes for a specific lot to reach its destination.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Metodología basada en algoritmos genéticos para la programación de oleoductosMethodology based on genetic algorithms for the scheduling of oil pipelinesIngeniero de SistemasUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de Sistemasinfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPSystems engineerTechnological innovationsGenetic algorithmsArtificial intelligenceOil pipelinesData thinkingGenetic programming (Computers)Learning classification systemsEvolutionary computingCombinatorial optimizationIngeniería de sistemasInnovaciones tecnológicasProgramación genética (Computadores)Sistemas de clasificación de aprendizajeComputación evolutivaOptimización combinatoriaAlgoritmos genéticosInteligencia artificialOleoductosPensamiento de datosDIAZ, Adenso; GLOVER, Fred; GHAZIRI, M. Hassan; GONZALEZ, J. L.; LAGUNA, Manuel; MOSCATO, Pablo; TSENG, T. Fant. •'Optimización Heurística y Redes Neuronales en Dirección de Operaciones e Ingeniería”. Madrid: Paraninfo S.A. Editorial, 1996. Págs. 67 100.CHENEY, E.W. Introduction to Approximation Theory, Ch. 2, McGraw-Hill Book Company, 1966.FISHMAN, GEORGE. Concepts and methods in discreto event diqitalhttp://www.kmutt.ac.th/itc2002/CD/pdf/18 07 4S/TP1 PJZ1.pdf Pipelined Scheduling for Dynamically Reconfigurable FPGAs HARASHIMA Katsumi MINAMI Yuuki KUTSUWAToshiro - Enero 2003.http://www.utdallas.edu/research/esc/peoplepaqes/edsha.html Edwin H-M Sha Ptvfessor Department of Computer Science University of Texas at Dallas - Enero 2003http://www.redcientiflca.com/qaia/ Gaia AirCenter Red Científica Inteligencia Artificial - Diciembre 2002http://www.uv.es/~rmarti/aenet.html Algoritmos Genéticos Rafael Martí - Enero 2003http://casa.ccp.servidores.net/qenetico.html Algoritmos Genéticos - Enero 2003http://aeneura.uar.es/~imerelo/ie/ags.htm Informática evolutiva: Algoritmos genéticos Juan Julián Morolo Guorvós - Junio 2003http://geneura.uar.es/~imerelo/ie/intro.htm Informática evolutiva J. J. Merelo Guervós - Junio 2003The Genetic Algorithms Archive - Enero 2003http;//sanii?dat.i¡iines.edu/qa íutorial/http://www.arrakis.es/~rporcar/ Club C++ Builder - Eneio 2003http://www.clubdelphi.com Club Delphi - Julio 2003http://www.aeocities.com/SiliconVallev/Bvte/4713/qa/E-GA3.htm Algoritmos Genéticos - Octubre 2003http://www.ecopetroi.com.co Empresa Colombiana de Petróleos. ECOPETROL Diciembre 2002LICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/26173/2/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD52open accessORIGINAL2004_Lopez_Hernandez_Pedro.pdf2004_Lopez_Hernandez_Pedro.pdfTesisapplication/pdf30913408https://repository.unab.edu.co/bitstream/20.500.12749/26173/1/2004_Lopez_Hernandez_Pedro.pdf9cebd2e8976a961055c41600b975ba4eMD51open accessTHUMBNAIL2004_Lopez_Hernandez_Pedro.pdf.jpg2004_Lopez_Hernandez_Pedro.pdf.jpgIM Thumbnailimage/jpeg6978https://repository.unab.edu.co/bitstream/20.500.12749/26173/3/2004_Lopez_Hernandez_Pedro.pdf.jpga0edc361c5939e20ef940bcffaf2a596MD53open access20.500.12749/26173oai:repository.unab.edu.co:20.500.12749/261732024-10-16 16:23:50.158open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |