Development of new evolutionary schemes for clustering-like problems

• Autores: L. Carro Calvo
• Directores de la Tesis: Sancho Salcedo Sanz (dir. tes.)
• Lectura: En la Universidad de Alcalá ( España ) en 2013
• Idioma: inglés
• Tribunal Calificador de la Tesis: Ricardo Francisco García Herrera (presid.), Silvia Jiménez Fernández (secret.), Enrique Alexandre Cortizo (voc.), Mauricio Naldi (voc.), David Camacho Fernández (voc.)
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
    • Estadística
      • Análisis de datos
      • Técnicas de inferencia estadística
  • Ciencias de la tierra y del espacio
    • Meteorología
      • Meteorología sinóptica
• Enlaces
  • Tesis en acceso abierto en: TESEO
• Resumen
  • español

    En esta tesis proponemos un marco teórico general para trabajar con problemas que denominamos "clustering-like", que son una generalización de problemas tipo clustering. Se presenta la aplicación del marco teórico usando algoritmos evolutivos a problemas específicos. Centramos nuestra atención en la resolución evolutiva de los problemas, como una metodología general que puede ser adaptada a nueva definiciones y conceptos descritos mediante el marco teórico propuesto.

    Presentamos la solución de tres problemas "clustering-like", con aplicación en campos de ingeniería y ciencia: la partición óptima de redes Ethernet industriales, la reducción de colores en imágenes (con aplicación directa en compresión de imágenes), y finalmente la reconstrucción de viento en parques eólicos a partir de campos de presión sinóptica (elemento clave en el análisis previo a la instalación de nuevos parques eólicos). Todos los problemas son descritos utilizando el marco teórico propuesto, y resueltos exitosamente mediante algoritmos de computación evolutiva, obteniendo mejoras respecto a otros métodos alternativos.

  • English

    In this Ph.D. thesis we propose a general theoretical framework for dealing with clustering-like problems. The application of the theoretical framework using evolutionary algorithms to specific problems is presented. We focus on the evolutionary solution of the problems, as general methodology which can be also adapted to the new definitions and concepts described in the theoretical framework proposed.

    We present the solution of three clustering-like applications, with real applicability in Engineering and Science fields: the optimal partition of an Industrial Ethernet network, the color reduction problem in images (with direct application in image compression), and finally the wind speed reconstruction in wind farms, from synoptic pressure fields (key in the previous studies for installing wind farms). All the problems are fully described in terms of the theoretical framework proposed, and successfully solved by using evolutionary computation algorithms, obtaining improvements over alternative solution methods.