Técnicas de reducción dimensional para problemas de diseño basados en simulación

Las herramientas computacionales para modelar sistemas basados en simulación son habituales en ingeniería. Sin embargo, a medida que la complejidad del sistema aumenta y la precisión requerida es mayor, el costo computacional se incrementa considerablemente. Una manera de evitar esta problemática es a través de la simplificación del modelo, el cual se logra a través de la búsqueda de redundancias o correlaciones como un paso previo al procesamiento del sistema. Los algoritmos de reducción dimensional son una herramienta ampliamente utilizada para este tipo de problemática. Estos retienen tanta información relevante como es posible de un conjunto de datos, al mismo tiempo que determinan la representación más simple posible de la información por medio de un número inferior de variables. Basado en esta idea, este articulo propone una metodología de reducción dimensional fundamentada en el algoritmo de componentes principales supervisados (SPCA), a través del análisis independiente de la función objetivo y las restricciones, utilizando tanto modelos numéricos como analíticos. Adicionalmente, se hace uso de los índices de Sobol como criterio inteligente de eliminación de dimensiones y de un algoritmo genético determinístico (DEA) para encontrar la solución final del problema. Los casos de estudio propuestos de características lineales evidencian una mejora en cuanto al costo computacional requerido y a la calidad de la solución obtenida.

• Autores: Morales Bernal, Daniel Fernando
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/53416
• Acceso en línea: http://hdl.handle.net/1992/53416
• Palabra clave: Algoritmos genéticos; Métodos de simulación; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf