Nápoles Ruiz, Gonzalo RamónMoya Rodríguez, Jorge LPérez León, Sergio Ramón2016-04-062016-04-062013-07-04https://dspace.uclv.edu.cu/handle/123456789/5217Desde su introducción la meta-heurística ACO ha sido utilizada para solucionar complejos problemas combinatorios. Debido a su éxito en este tipo de problemas, los investigadores han trabajado en su modificación y generalización. Estas modificaciones incluyen la mejora de las soluciones obtenidas o la reducción del tiempo de cálculo necesario. Sin embargo, esta meta-heurística es mayormente utilizada para la resolución de problemas discretos. Por otra parte, los algoritmos poblacionales para solucionar problemas mixtos son escasos y no ofrecen soluciones muy precisas (por ejemplo, Algoritmos Genéticos). Precisamente el objetivo de este Trabajo de Diploma es desarrollar un método inspirado en la meta-heurística Colonias de Hormigas para la optimización de funciones con datos mezclados (variables discretas y continuas) llamado MACO (Mixed Ant Colony Optimization, por sus siglas en inglés). Además, un nuevo procedimiento de búsqueda local fue diseñado para este algoritmo para garantizar una mejor convergencia. Con el objetivo de validar esta propuesta, son diseñadas 40 funciones mixtas de pruebas que permiten estudiar el comportamiento de MACO respecto a otros enfoques como Algoritmos Genéticos y Recocido Simulado. Además, el nuevo procedimiento se valida mediante la resolución de un problema de optimización real en el campo de la Ingeniería Mecánica, particularmente en el área de la optimización de los intercambiadores de calor de tubo y coraza.esEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 LicenseAlgoritmoColonias de HormigasOptimización de FuncionesDatos MezcladosMetaheurísticaIngeniería MecánicaIntercambiadores de CalorThesis