Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución elé...

Autores
Casanova Pietroboni, Carlos Antonio
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Schweickardt, Gustavo
Faure, Omar
Descripción
Esta investigación, enmarcada en una tesis doctoral, desarrolla un marco teórico-conceptual sobre una estrategia Hiperheurística basada en razonamiento. Su fundamento es un dominio de metaheurísticas derivadas de la Optimización por Enjambre de Partículas (PSO), denominadas X-PSO multiobjetivo. Se propone una Función de Selección basada en Redes Neuronales Artificiales para identificar la mejor variante X-PSO según la instancia del problema. El estudio analiza cómo cada X-PSO satisface los principios de la Inteligencia de Grupo y cómo interactúa con el espacio de búsqueda, considerando problemas de Economía Computacional en Redes de Distribución Eléctrica (RDE). En particular, aborda dos problemas clave en la distribución eléctrica: el balance de cargas en Sistemas de Distribución de Energía Eléctrica (SDEE) de baja tensión y la optimización de la confiabilidad en SDEE de media tensión mediante la ubicación de equipos de seccionamiento/protección. Ambos presentan espacios de búsqueda complejos, con soluciones dispersas, funciones objetivo desconocidas y alta incertidumbre, lo que los hace inabordables mediante programación matemática clásica. Dado que no existen métodos exactos eficientes para estos problemas, se plantea una solución basada en metaheurísticas poblacionales de perturbación derivadas de PSO. Se desarrolla una hiperheurística capaz de seleccionar la mejor X-PSO para cada instancia, mejorando la calidad de las soluciones y optimizando el tiempo de ejecución. El enfoque propuesto no requiere información específica del problema, sino que se basa en características comunes a toda la clase de problemas. Se demuestra su efectividad mediante una prueba constructiva, validando que la hiperheurística ofrece resultados al menos tan buenos como la mejor metaheurística individual, mejorando alguno de los criterios de optimización.
Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.
Materia
Hiperheurísticas
Metaheurísticas
Optimización multiobjetivo
Optimización por enjambre de partículas (PSO)
Regulación en redes eléctricas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-ShareAlike 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/12310
Acceder
id RIAUTN_134cbfbfe4fc032c48599f30d59ab612
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/12310
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctricaCasanova Pietroboni, Carlos AntonioHiperheurísticasMetaheurísticasOptimización multiobjetivoOptimización por enjambre de partículas (PSO)Regulación en redes eléctricasEsta investigación, enmarcada en una tesis doctoral, desarrolla un marco teórico-conceptual sobre una estrategia Hiperheurística basada en razonamiento. Su fundamento es un dominio de metaheurísticas derivadas de la Optimización por Enjambre de Partículas (PSO), denominadas X-PSO multiobjetivo. Se propone una Función de Selección basada en Redes Neuronales Artificiales para identificar la mejor variante X-PSO según la instancia del problema. El estudio analiza cómo cada X-PSO satisface los principios de la Inteligencia de Grupo y cómo interactúa con el espacio de búsqueda, considerando problemas de Economía Computacional en Redes de Distribución Eléctrica (RDE). En particular, aborda dos problemas clave en la distribución eléctrica: el balance de cargas en Sistemas de Distribución de Energía Eléctrica (SDEE) de baja tensión y la optimización de la confiabilidad en SDEE de media tensión mediante la ubicación de equipos de seccionamiento/protección. Ambos presentan espacios de búsqueda complejos, con soluciones dispersas, funciones objetivo desconocidas y alta incertidumbre, lo que los hace inabordables mediante programación matemática clásica. Dado que no existen métodos exactos eficientes para estos problemas, se plantea una solución basada en metaheurísticas poblacionales de perturbación derivadas de PSO. Se desarrolla una hiperheurística capaz de seleccionar la mejor X-PSO para cada instancia, mejorando la calidad de las soluciones y optimizando el tiempo de ejecución. El enfoque propuesto no requiere información específica del problema, sino que se basa en características comunes a toda la clase de problemas. Se demuestra su efectividad mediante una prueba constructiva, validando que la hiperheurística ofrece resultados al menos tan buenos como la mejor metaheurística individual, mejorando alguno de los criterios de optimización.Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.Schweickardt, GustavoFaure, Omar2025-03-06T18:38:18Z2017-12info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralpdfapplication/pdfhttp://hdl.handle.net/20.500.12272/12310spainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Carlos Antonio Casanova PietroboniCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:45:09Zoai:ria.utn.edu.ar:20.500.12272/12310instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:45:09.962Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctrica
title Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctrica
spellingShingle Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctrica
Casanova Pietroboni, Carlos Antonio
Hiperheurísticas
Metaheurísticas
Optimización multiobjetivo
Optimización por enjambre de partículas (PSO)
Regulación en redes eléctricas
title_short Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctrica
title_full Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctrica
title_fullStr Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctrica
title_full_unstemmed Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctrica
title_sort Modelo hiperheurístico soportado en metaheurísticas X-PSO multiobjetivo : aplicación sobre clases de problemas en economía computacional de regulación de redesd de distribución eléctrica
dc.creator.none.fl_str_mv Casanova Pietroboni, Carlos Antonio
author Casanova Pietroboni, Carlos Antonio
author_facet Casanova Pietroboni, Carlos Antonio
author_role author
dc.contributor.none.fl_str_mv Schweickardt, Gustavo
Faure, Omar
dc.subject.none.fl_str_mv Hiperheurísticas
Metaheurísticas
Optimización multiobjetivo
Optimización por enjambre de partículas (PSO)
Regulación en redes eléctricas
topic Hiperheurísticas
Metaheurísticas
Optimización multiobjetivo
Optimización por enjambre de partículas (PSO)
Regulación en redes eléctricas
dc.description.none.fl_txt_mv Esta investigación, enmarcada en una tesis doctoral, desarrolla un marco teórico-conceptual sobre una estrategia Hiperheurística basada en razonamiento. Su fundamento es un dominio de metaheurísticas derivadas de la Optimización por Enjambre de Partículas (PSO), denominadas X-PSO multiobjetivo. Se propone una Función de Selección basada en Redes Neuronales Artificiales para identificar la mejor variante X-PSO según la instancia del problema. El estudio analiza cómo cada X-PSO satisface los principios de la Inteligencia de Grupo y cómo interactúa con el espacio de búsqueda, considerando problemas de Economía Computacional en Redes de Distribución Eléctrica (RDE). En particular, aborda dos problemas clave en la distribución eléctrica: el balance de cargas en Sistemas de Distribución de Energía Eléctrica (SDEE) de baja tensión y la optimización de la confiabilidad en SDEE de media tensión mediante la ubicación de equipos de seccionamiento/protección. Ambos presentan espacios de búsqueda complejos, con soluciones dispersas, funciones objetivo desconocidas y alta incertidumbre, lo que los hace inabordables mediante programación matemática clásica. Dado que no existen métodos exactos eficientes para estos problemas, se plantea una solución basada en metaheurísticas poblacionales de perturbación derivadas de PSO. Se desarrolla una hiperheurística capaz de seleccionar la mejor X-PSO para cada instancia, mejorando la calidad de las soluciones y optimizando el tiempo de ejecución. El enfoque propuesto no requiere información específica del problema, sino que se basa en características comunes a toda la clase de problemas. Se demuestra su efectividad mediante una prueba constructiva, validando que la hiperheurística ofrece resultados al menos tan buenos como la mejor metaheurística individual, mejorando alguno de los criterios de optimización.
Fil: Casanova Pietroboni, Carlos Antonio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe; Argentina.
description Esta investigación, enmarcada en una tesis doctoral, desarrolla un marco teórico-conceptual sobre una estrategia Hiperheurística basada en razonamiento. Su fundamento es un dominio de metaheurísticas derivadas de la Optimización por Enjambre de Partículas (PSO), denominadas X-PSO multiobjetivo. Se propone una Función de Selección basada en Redes Neuronales Artificiales para identificar la mejor variante X-PSO según la instancia del problema. El estudio analiza cómo cada X-PSO satisface los principios de la Inteligencia de Grupo y cómo interactúa con el espacio de búsqueda, considerando problemas de Economía Computacional en Redes de Distribución Eléctrica (RDE). En particular, aborda dos problemas clave en la distribución eléctrica: el balance de cargas en Sistemas de Distribución de Energía Eléctrica (SDEE) de baja tensión y la optimización de la confiabilidad en SDEE de media tensión mediante la ubicación de equipos de seccionamiento/protección. Ambos presentan espacios de búsqueda complejos, con soluciones dispersas, funciones objetivo desconocidas y alta incertidumbre, lo que los hace inabordables mediante programación matemática clásica. Dado que no existen métodos exactos eficientes para estos problemas, se plantea una solución basada en metaheurísticas poblacionales de perturbación derivadas de PSO. Se desarrolla una hiperheurística capaz de seleccionar la mejor X-PSO para cada instancia, mejorando la calidad de las soluciones y optimizando el tiempo de ejecución. El enfoque propuesto no requiere información específica del problema, sino que se basa en características comunes a toda la clase de problemas. Se demuestra su efectividad mediante una prueba constructiva, validando que la hiperheurística ofrece resultados al menos tan buenos como la mejor metaheurística individual, mejorando alguno de los criterios de optimización.
publishDate 2017
dc.date.none.fl_str_mv 2017-12
2025-03-06T18:38:18Z
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/12310
url http://hdl.handle.net/20.500.12272/12310
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Carlos Antonio Casanova Pietroboni
CreativeCommons
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Carlos Antonio Casanova Pietroboni
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230894971879424
score 13.24418

Publicaciones similares