Vega-Alvarado et al 2017a - Revision history

Scipediacontent at 07:51, 10 January 2018

2018-01-10T07:51:19Z

Bimbobeto at 15:30, 29 June 2017

2017-06-29T15:30:59Z

Rimni at 11:03, 13 June 2017

2017-06-13T11:03:30Z

Rimni at 11:03, 13 June 2017

2017-06-13T11:03:08Z

Rimni at 10:50, 13 June 2017

2017-06-13T10:50:57Z

Rimni at 10:29, 13 June 2017

2017-06-13T10:29:21Z

Rimni at 10:24, 13 June 2017

2017-06-13T10:24:22Z

Rimni at 13:35, 12 June 2017

2017-06-12T13:35:57Z

Rimni at 13:35, 12 June 2017

2017-06-12T13:35:36Z

Rimni at 14:02, 9 June 2017

2017-06-09T14:02:49Z

@@ Line 1: / Line 1: @@
-==Autores==
+<!--==Autores==
 E. Vega-Alvarado<sup>1</sup> (evega@ipn.mx) (Autor para correspondencia)
@@ Line 17: / Line 17: @@
 <sup>3</sup>Universidad Veracruzana - Centro de Investigación en Inteligencia Artificial - México
+-->
 ==Resumen==

← Older revision		Revision as of 15:30, 29 June 2017
Line 1:		Line 1:
		+	==Autores==
		+	E. Vega-Alvarado<sup>1</sup> (evega@ipn.mx) (Autor para correspondencia)
		+
		+	E. A. Portilla-Flores<sup>1</sup> (aportilla@ipn.mx)
		+
		+	G. A. Muñoz-Hernández<sup>2</sup> (gmunoz@ieee.org)
		+
		+	E. Mezura-Montes<sup>3</sup> (emezura@uv.mx)
		+
		+	G. Sepúlveda-Cervantes<sup>1</sup> (gsepulvegac@ipn.mx)
		+
		+	P. Bautista-Camino<sup>1</sup> (peterbc1@gmail.com)
		+
		+	<sup>1</sup>Instituto Politécnico Nacional - CIDETEC - México
		+
		+	<sup>2</sup> Instituto Tecnológico de Puebla - México
		+
		+	<sup>3</sup>Universidad Veracruzana - Centro de Investigación en Inteligencia Artificial - México
		+
	==Resumen==		==Resumen==

@@ Line 1,210: / Line 1,210: @@
 ==Referencias==
-<div class="center" style="width: auto; margin-left: auto; margin-right: auto;font-size: 85%;">
+<div class="auto" style="width: auto; margin-left: auto; margin-right: auto;font-size: 85%;">
 <div id="cite-1"></div>

@@ Line 1,210: / Line 1,210: @@
 ==Referencias==
 <div id="cite-1"></div>
@@ Line 1,313: / Line 1,314: @@
 <div id=cite-32></div>
 [[#citeF-32|[32]]] Santiago-Valentín E., Solano-Palma A., Bautista-Camino P., Rueda-Meléndez J., Portilla-Flores E.A.  Diseño óptimo para transmisión de fuerza en un efector final. Research in Computing Science, 91:117-130, 2015.

@@ Line 257: / Line 257: @@
 {| class="floating_imageSCP" style="text-align: center; border: 1px solid #BBB; margin: 1em auto; width: 100%;max-width: 100%;"
 |-
-|[[Image:Draft_Samper_274772883-mecanismo.png|1282px|Mecanismo de cuatro barras]]
+|[[File:Vega-Alvarado_et_al_2017a_8738_Fig3.png|482px]]
 |- style="text-align: center; font-size: 75%;"
 | colspan="1" | '''Figura 3:''' Mecanismo de cuatro barras

@@ Line 5: / Line 5: @@
 '''Palabras clave:''' ABC, síntesis dimensional, algoritmos meméticos, metaheurísticas, optimización.
-===Abstract===
+==Abstract==
 In this paper a novel proposal of a modular hybrid algorithm as a tool for solving real-world engineering problems is presented. A memetic algorithm, MemMABC, is implemented with this approach and applied to solve two case studies of mechanism design, in order to evaluate its efficiency and performance. Because of its modularity, the proposed algorithm is simple and flexible; these features make it quite reusable to be applied on different optimization problems, with a wide scope. The solutions of the optimization problems are also modular, following a scheme of structured programming that includes the use of global variables for configuration, and subroutines for the objective function and the restrictions. Memetic algorithms are a good option to solve hard optimization problems, because of the synergy derived from the combination of their components: a global search population-based metaheuristic and a local refinement method. The quality of simulation results suggests that MemMABC can be successfully applied to solve hard problems in engineering design.
 ==1 Introducción==

← Older revision		Revision as of 13:35, 12 June 2017
Line 1:		Line 1:
−	===Resumen===	+	==Resumen==

	En este documento se presenta una propuesta novedosa de un algoritmo híbrido modular, como herramienta para resolver problemas de ingeniería del mundo real. Se implementa y aplica un algoritmo memético, MemMABC, para la solución de dos casos de diseño de mecanismos, con el fin de evaluar su eficiencia y rendimiento. El algoritmo propuesto es simple y flexible debido a su modularidad; estas características lo vuelven altamente reutilizable para ser aplicado en una amplia gama de problemas de optimización. Las soluciones de los casos de estudio también son modulares, siguiendo un esquema de programación estructurada que incluye el uso de variables globales para la configuración, y de subrutinas para la función objetivo y el manejo de las restricciones. Los algoritmos meméticos son una buena opción para resolver problemas duros de optimización, debido a la sinergia derivada de la combinación de sus componentes: una metaheurística poblacional para búsqueda global y un método de refinamiento local. La calidad en los resultados de las simulaciones sugiere que el MemMABC puede aplicarse con éxito para la solución de problemas duros de diseño en ingeniería.		En este documento se presenta una propuesta novedosa de un algoritmo híbrido modular, como herramienta para resolver problemas de ingeniería del mundo real. Se implementa y aplica un algoritmo memético, MemMABC, para la solución de dos casos de diseño de mecanismos, con el fin de evaluar su eficiencia y rendimiento. El algoritmo propuesto es simple y flexible debido a su modularidad; estas características lo vuelven altamente reutilizable para ser aplicado en una amplia gama de problemas de optimización. Las soluciones de los casos de estudio también son modulares, siguiendo un esquema de programación estructurada que incluye el uso de variables globales para la configuración, y de subrutinas para la función objetivo y el manejo de las restricciones. Los algoritmos meméticos son una buena opción para resolver problemas duros de optimización, debido a la sinergia derivada de la combinación de sus componentes: una metaheurística poblacional para búsqueda global y un método de refinamiento local. La calidad en los resultados de las simulaciones sugiere que el MemMABC puede aplicarse con éxito para la solución de problemas duros de diseño en ingeniería.

@@ Line 40: / Line 40: @@
 {| class="floating_imageSCP" style="text-align: center; border: 1px solid #BBB; margin: 1em auto; width: 100%; max-width: 100%;"
 |-
-|[[Image:Draft_Samper_274772883-MABC.png|1058px|Proceso de generación y sustitución de fuentes en el algoritmo ''Artificial Bee Colony'' (ABC) <span id='citeF-22'></span>[[#cite-22|[22]]]]
+|[[File:Vega-Alvarado_et_al_2017a_6394_Fig1.png|1058px|Proceso de generación y sustitución de fuentes en el algoritmo ''Artificial Bee Colony'' (ABC) <span id='citeF-22'></span>[[#cite-22|[22]]]]
 |- style="text-align: center; font-size: 75%;"
 | colspan="1" | '''Figura 1:''' Proceso de generación y sustitución de fuentes en el algoritmo ''Artificial Bee Colony'' (ABC) <span id='citeF-22'></span>[[#cite-22|[22]]]
 |}
 Se han desarrollado diferentes versiones del algoritmo ABC; la modificación propuesta por Mezura y Cetina <span id='citeF-22'></span>[[#cite-22|[22]]] maneja problemas de optimización numérica con restricciones, con una selección de individuos tipo torneo basada en los criterios propuestos por Deb <span id='citeF-23'></span>[[#cite-23|[23]]]. Dicho algoritmo, denominado ''Modified Artificial Bee Colony'' (MABC), usa tres parámetros definidos por el usuario: el número de fuentes (soluciones posibles) ''SN'', el número total de ciclos ''MCN'', y el número de intentos sucesivos de mejora en una fuente antes de remplazarla.