Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Juan Manuel Ramos Arreguín es_ES
dc.creator Emmanuel Rodríguez Díaz es_ES
dc.date 2019-11-30
dc.date.accessioned 2019-11-14T20:40:39Z
dc.date.available 2019-11-14T20:40:39Z
dc.date.issued 2019-11-30
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/1709
dc.description La 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.format Adobe PDF es_ES
dc.language.iso Español es_ES
dc.relation.requires Si es_ES
dc.rights En Embargo es_ES
dc.subject Planeación de trayectorias es_ES
dc.subject Vehículos Autónomos es_ES
dc.subject Robótica Móvil es_ES
dc.subject Algoritmos Metaheurísticos es_ES
dc.subject Inteligencia Artificial es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Adaptación del algoritmo 'Ant System' para evasión de obstáculos con restricciones de posicionamiento local y global. es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid curp es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador RODE940226HPLDZM00 es_ES
dc.contributor.identificador RAAJ710606HGTMRN01 es_ES
dc.contributor.role Director es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI004775.pdf
Tamaño: 29.04Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem