Professional Documents
Culture Documents
INSTITUTO DE INVESTIGACIÓN
INGENIERÍA ELÉCTRICA
Misión
Desarrollar investigaciones y servicios en las áreas de la ingeniería
eléctrica, transmitiendo los resultados a la comunidad nacional e
internacional, a través de la docencia y la acción social, con el
fin de contribuir con el desarrollo sustentable con apego a la
ética, el humanismo y el conocimiento de las personas que lo
producen.
Visión
Posicionarse en la comunidad nacional e internacional, como un
instituto de reconocida excelencia y liderazgo en el desarrollo de
investigaciones y servicios en ingeniería eléctrica, para lograr
una mayor difusión y cobertura de sus resultados.
Organigrama
Python
CE = AG + EE + PE + PG
Algoritmos Estrategias Programación Programación
Computación Evolutiva
Evolutiva Genéticos Evolutivas Genética
Holland 1975 Rechenberg 1973 Fogel, Owens y Walsh Koza 1992
1966
ALGORITMOS GENÉTICOS
GENES
Valor del gen Alelo
CROMOSOMA
1 1 0 1 1 0 0 1
bin2dec('1001')
X Y 9
13 9
POBLACIÓN INICIAL
Población Inicial
Población de POSIBLES SOLUCIONES
Forma de generación:
- Aleatorio
> round(rand()*100) = 45
101101
011010
CRUCE MONOPUNTO
PADRES
PADRE A PADRE B
1 1 1 0 1 0 0 1
1 1 0 1 1 0 1 0
HIJOS
HIJO 1 HIJO 2
OPERADOR MUTACIÓN
1 0 1 1 0 1
1 0 0 1 0 1
Muta = 1 - Val
FUNCIÓN DE ADAPTACIÓN
fi = f(xi, yi)
Ordenación ascendente
o descendente
DESPACHO ECONÓMICO - AG
𝑪𝒐𝒔𝒕𝒐 = 𝒂 + 𝒃 × 𝑷𝒈 + 𝒄 × 𝑷𝒈𝟐
Pg a b c 𝑃𝑔𝑚𝑖𝑛 𝑃𝑔𝑚𝑎𝑥
us$ 𝑢𝑠$ 𝑢𝑠$ MW MW
𝑀𝑊ℎ 𝑀𝑊ℎ2
1 40 4,50 0,015 30 50
2 50 3,50 0,015 30 50
3 40 3,30 0,02 30 50
SOLUCIÓN PROPUESTA
𝑃𝑔𝑖 = 𝑃𝑝𝑑
𝑖=1
𝑃𝑔𝑚𝑖𝑛 ≤ 𝑃𝑔 ≤ 𝑃𝑔𝑚𝑎𝑥
CONSIDERACIONES
𝑃𝑔3 = 𝑃𝑝𝑑 − 𝑃𝑔1 − 𝑃𝑔2
SOLUCIÓN PROPUESTA
FUNCIÓN OBJETIVO
𝐹𝑚𝑖𝑛 = 𝐶1 + 𝐶2 + 𝐶3 + w
PENALIZACIÓN
REPRESENTACIÓN
POBLACIÓN INICIAL
CRUCE DE WRIGHT
𝑃𝑎𝑑𝑟𝑒𝑠 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜𝑠 𝑎 𝑦 𝑏
Hijos individuos c, d y e
0 ≤ 𝛼 ≤1
OPERADOR GENÉTICO
FUNCIÓN DE ADAPTACIÓN
SUSTITUCIÓN DE LA POBLACIÓN
CRITERIO DE TERMINACIÓN
30 + (120-30)*0,12 = 40,8
CÓDIGO PYTHON
# Variables asignadas
Pob[:,0] = Pgen1
Pob[:,1] = Pgen2
Pob[:,2] = Pgen3
#realiza el cruce
padres = np.random.randint(1, 0.4*Npob,0.4*Npob)
padres1 = padres[0:0.2*Npob,]
padres2 = padres[0.2*Npob:0.4*Npob,]
ax = np.random.rand()
A = ax*pob[padres1,] + (1-ax)*pob[padres2,]
B = (1+ax)*pob[padres1,] - ax*pob[padres2,]
C = ax*pob[padres1,] + (1+ax)*pob[padres2,]
pob[0.4*Npob:0.6*Npob,] = A
pob[0.6*Npob:0.8*Npob,] = B
pob[0.8*Npob:Npob,] = C
CÓDIGO PYTHON
Python
en la Industria Eléctrica