Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/98646
Título : From metaheuristics to learnheuristics: Applications to logistics, finance, and computing
Autoría: Calvet Liñán, Laura  
Director: Juan, Angel A.  
Resumen : Un gran número de procesos de toma de decisiones en sectores estratégicos como el transporte y la producción representan problemas NP-difíciles. Frecuentemente, estos problemas se caracterizan por altos niveles de incertidumbre y dinamismo. Las metaheurísticas son métodos populares para resolver problemas difíciles de optimización de manera rápida. Sin embargo, suelen asumir que los inputs, las funciones objetivo y las restricciones son deterministas y se conocen de antemano. Estas fuertes suposiciones conducen a trabajar con problemas simplificados. Como consecuencia, las soluciones obtenidas pueden tener un pobre rendimiento. Las simheurísticas integran simulación en metaheurísticas para resolver problemas estocásticos de una manera natural. De manera similar, las learnheurísticas combinan aprendizaje estadístico y metaheurísticas para abordar problemas en entornos dinámicos, donde los inputs pueden depender de la estructura de la solución. En este contexto, las principales aportaciones de esta tesis son: el diseño de las learnheurísticas, una clasificación de trabajos que combinan estadística / aprendizaje automático y metaheurísticas, y varias aplicaciones en transporte, producción, finanzas y computación.
Palabras clave : metaheurísticas
optimización combinatoria
estadística
simheurísticas
logística
Tipo de documento: info:eu-repo/semantics/doctoralThesis
Fecha de publicación : 12-jul-2017
Licencia de publicación: http://creativecommons.org/licenses/by-nc-nd/3.0/es/  
Aparece en las colecciones: Tesis doctorals

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
tesiCurta.pdfCalvet_Liñán_dissertation2,33 MBAdobe PDFVista previa
Visualizar/Abrir
Tesi.pdfCalvet_Liñán_dissertation9,1 MBAdobe PDFVista previa
Visualizar/Abrir