Metaheurísticas para el análisis de datos masivos en el ámbito del transporte por carretera

López Ruiz, Javier (2017). Metaheurísticas para el análisis de datos masivos en el ámbito del transporte por carretera. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).

Descripción

Título: Metaheurísticas para el análisis de datos masivos en el ámbito del transporte por carretera
Autor/es:
  • López Ruiz, Javier
Director/es:
  • Mateos Caballero, Alfonso
Tipo de Documento: Tesis (Master)
Título del máster: Inteligencia Artificial
Fecha: Julio 2017
Materias:
Palabras Clave Informales: Metaheurísticas; Clustering; Aprendizaje automático; Logística; Metaheuristics; Machine learning; Logistics
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) | Vista Previa

Resumen

En el campo de la Inteligencia Artificial, han surgido multitud de términos a lo largo del estudio de los datos por la comunidad académica: descubrimiento de patrones, minería de datos, aprendizaje automático, aprendizaje profundo, Big Data, ciencia de los datos... La resolución de problemas de optimización mediante técnicas metaheurísticas también ha sido investigada de forma extensa. Esta tesis muestra cómo es posible realizar un análisis de grandes conjuntos de datos modelizando dicha tarea en un problema de optimización. Para ello, se desarrolla un caso práctico para una operadora logística de transporte en cisterna especializada en mercancías peligrosas, principalmente de productos petrolíferos, que tiene una alta incidencia en el tejido económico espa~nol, y al mismo tiempo, tiene unos niveles de seguridad y reglamentación muy elevados. Con tal objetivo, se ha elaborado un estado del arte de las diferentes técnicas de búsquedas metaheurísticas, así como de aprendizaje automático no supervisado. Se ha desarrollado un sistema de clasificación a partir de datos geo-posicionados, así como una posterior validación de los métodos utilizados.---ABSTRACT---In the field of Artificial Intelligence, several terms have originated throughout the study of data by the academic community: pattern recognition, data mining, machine learning, deep learning, Big Data, Data Science ... The resolution of optimization problems using metaheuristic techniques has also been extensively investigated. This thesis shows how it is possible to perform an analysis of large datasets by modeling this task into an optimization problem. To this end, a case study is developed for a logistic company specialized in dangerous goods, mainly petroleum products, that has a high incidence in the Spanish economic fabric, and at the same time, has very high levels of security and regulation. With this goal in mind, a state of the art of diferent metaheuristic search techniques has been elaborated. In addition, unsupervised machine learning is also studied. It has been developed a classification system from geodata, as well as a later validation of the methods used.

Más información

ID de Registro: 47927
Identificador DC: http://oa.upm.es/47927/
Identificador OAI: oai:oa.upm.es:47927
Depositado por: Biblioteca Facultad de Informatica
Depositado el: 29 Sep 2017 12:10
Ultima Modificación: 29 Sep 2017 12:11
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM