EP Investigación Operativa

Permanent URI for this communityhttps://hdl.handle.net/20.500.12672/5101

Browse

Browsing EP Investigación Operativa by Subject "Algoritmos genéticos"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Optimización del recurso hídrico mediante algoritmo genético en el fundo de paltos “El Silencio”
    (Universidad Nacional Mayor de San Marcos, 2023) Cabezudo Poma, Mirella Judith; Ninaquispe Soto, Mario Edison
    Diseña un algoritmo genético para aumentar la eficiencia del uso del recurso hídrico en el fundo de paltos “El Silencio” mediante la metaheurística, esto con la finalidad de encontrar nuevas rutas de distribución y asignación de agua que ayuden a minimizar despilfarros. Para el desarrollo de la investigación se tomó una muestra por conveniencia de 11 lotes, se ejecutó la codificación de la metaheurística en lenguaje Python y se usó el algoritmo GRASP para la generación de la población inicial (apoyo), obteniendo como resultado rutas alternativas para la distribución del recurso hídrico logrando disminuir el tiempo de riego de los lotes de 1,117 minutos a 968 minutos, así mismo se pudo reducir la cantidad de agua destinada a cada lote, logrando un ahorro de 45,422.018 litros. Finalmente, para validar las hipótesis planteadas se utilizó la prueba t de Student con diferencia de medias que permitió demostrar la efectividad y eficacia de la metaheurística propuesta, en contraste con la secuencia de riego empírica de la empresa.
  • Thumbnail Image
    Item
    Reducción de costos de recolección y transporte de residuos sólidos en contenedores soterrados aplicando algoritmos genéticos para determinación de rutas. Caso: distrito Bellavista - Callao
    (Universidad Nacional Mayor de San Marcos, 2022) Astoquillca Yaranga, David Jonathan; Berger Vidal, Esther
    Presenta una alternativa diseñada en NetBeans, software libre, usando lenguaje de programación Java, por medio del cual se busca una ruta eficiente en términos de distancia para visitar los contenedores soterrados ubicados a lo largo del distrito de Bellavista, Callao. Para lo cual se usó: “Grafo Tipo 1”, cada nodo representa intersección de calles y avenidas principales para movilizarse al relleno sanitario; donde se usó el algoritmo de FloydWarshall para determinar rutas entre cada par de nodos. “Grafo Tipo 2”, cada nodo representa un punto crítico (contenedor soterrado, maestranza, relleno sanitario); donde se usó un Algoritmo Genético para determinar el orden de visita de los contenedores soterrados en base a las rutas determinadas en “Grafo Tipo 1”. Ese orden fue exportado a un archivo “.xlsx” encontrándose una disminución anual de 4295km con respecto al recorrido oficial y un ahorro de 6723 soles.
  • Thumbnail Image
    Item
    Ruteo de camiones recolectores de residuos sólidos con Algoritmo Genético en la zona de Tahuantinsuyo- Independencia
    (Universidad Nacional Mayor de San Marcos, 2021) Gil Mora, Anderson Ricardo; Ortega Muñoz, Carlos
    Encuentra una ruta eficiente mediante el ruteo de los camiones recolectores de residuos sólidos sobre puntos de acopio previamente localizados estratégicamente. Con esta propuesta se da una solución a la ineficiente gestión de las rutas que se sigue por cada uno de los camiones recolectores de residuos sólidos. Se ha utilizado un algoritmo para el desarrollo de esta aplicación, el Algoritmo Genético para realizar el ruteo sobre los puntos de acopio. Este algoritmo está clasificado como una metaheurística, y sus aplicaciones en la optimización combinatoria son diversas, es así como se presenta el Algoritmo Genético para Ruteo. Este estudio presenta los lugares en donde se deberían localizar los puntos de acopio para los residuos sólidos y dos rutas factibles a seguir por los camiones recolectores. Se han seleccionado estratégicamente 176 puntos de acopio para residuos sólidos y los camiones de 25 y 30 toneladas como resultado hicieron un recorrido total de 27661 y 42529 metros respectivamente.