Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/1709
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJuan Manuel Ramos Arreguínes_ES
dc.creatorEmmanuel Rodríguez Díazes_ES
dc.date2019-11-30-
dc.date.accessioned2019-11-14T20:40:39Z-
dc.date.available2019-11-14T20:40:39Z-
dc.date.issued2019-11-30-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/1709-
dc.descriptionLa tesis que se muestra a continuación es un trabajo de investigación y desarrollo sobre planeación de trayectorias para evasión de obstáculos con un enfoque a vehículos autónomos, la investigación surge a partir de la problemática que existe actualmente sobre la gran cantidad de información que obtienen los vehículos autónomos y la dificultad de procesarla en poco tiempo. En el desarrollo del trabajo se implementaron dos enfoques para solucionar el problema de planeación de trayectorias con restricciones locales y globales, el primer enfoque se basado en la simulación de campos magnéticos virtuales (CMV), mismo enfoque que a pesar de tener una buena efectividad al momento de generar trayectorias, el tiempo de solución fue demasiado grande por lo que el enfoque se consideró inviable. Debido a lo anterior, se desarrolló el algoritmo Magnetic Ants (MA), un algoritmo que toma conceptos de CMV y Ant System, el algoritmo MA presentó mejoras considerablemente superiores a CMV en cuanto al tiempo de solución, por lo que los resultados finales se consideraron viables para su futura implementación en un vehículo autónomo de pruebas.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsEn Embargoes_ES
dc.subjectPlaneación de trayectoriases_ES
dc.subjectVehículos Autónomoses_ES
dc.subjectRobótica Móviles_ES
dc.subjectAlgoritmos Metaheurísticoses_ES
dc.subjectInteligencia Artificiales_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleAdaptación del algoritmo 'Ant System' para evasión de obstáculos con restricciones de posicionamiento local y global.es_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorRODE940226HPLDZM00es_ES
dc.contributor.identificadorRAAJ710606HGTMRN01es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI004775.pdf29.74 MBAdobe PDFPortada
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.