Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales

Autores
Costa, Federico
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Huck Iriart, Cristián
Vahnovan, Alejandra (veedora académica)
Descripción
Nuestro entendimiento de los fenómenos naturales habitualmente se sobresimplifica en la capacidad de mensurar propiedades de un sistema de estudio, que luego se interpreta probando alguna hipótesis (usualmente formalizada en lenguaje matemático). Luego, esta hipótesis se verifica a través de modelos que capturan su esencia o bien muta en nuevas hipótesis. En la ciencia de materiales, el uso de modelos paramétricos es de uso habitual para obtener información de mensurables físicos. La información del mismo se obtiene al maximizar la verosimilitud entre los datos experimentales y el modelo propuesto. En el presente trabajo de tesis de grado para optar por el título de licenciado en matemática, se propusieron y programaron modificaciones a algoritmos de Monte Carlo para el ajuste datos experimentales empleando funciones paramétricas donde además se analizó el rendimiento numérico de cada una de ellas. Se pusieron a prueba varias estrategias como la búsqueda aleatoria simple, métodos híbridos basados en búsqueda aleatoria combinados con algoritmos de máximo gradiente, como así también la implementación de recocidos simulados (Simulated Annealing). Entre los aportes originales de este trabajo de tesis, se destaca la propuesta de desacoplar los parámetros lineales de los no lineales. En esta metodología, la búsqueda aleatoria sólo se centra en los términos no lineales y el resto de los términos se computan en cada simulación mediante cuadrados mínimos lineales, a diferencia de metodologías convencionales de Monte Carlo donde la exploración se realiza sobre todos los parámetros indistintamente de su naturaleza. Esta propuesta disminuye el tiempo de máquina al reducir la dimensionalidad del espacio de muestreo.
Licenciado en Matemática
Universidad Nacional de La Plata
Facultad de Ciencias Exactas
Materia
Matemática
Monte Carlo
Algoritmo
Ciencia de materiales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/87857
Acceder
id SEDICI_a7d362cfdcc2ca44ed04be4b6b428840
oai_identifier_str oai:sedici.unlp.edu.ar:10915/87857
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de MaterialesCosta, FedericoMatemáticaMonte CarloAlgoritmoCiencia de materialesNuestro entendimiento de los fenómenos naturales habitualmente se sobresimplifica en la capacidad de mensurar propiedades de un sistema de estudio, que luego se interpreta probando alguna hipótesis (usualmente formalizada en lenguaje matemático). Luego, esta hipótesis se verifica a través de modelos que capturan su esencia o bien muta en nuevas hipótesis. En la ciencia de materiales, el uso de modelos paramétricos es de uso habitual para obtener información de mensurables físicos. La información del mismo se obtiene al maximizar la verosimilitud entre los datos experimentales y el modelo propuesto. En el presente trabajo de tesis de grado para optar por el título de licenciado en matemática, se propusieron y programaron modificaciones a algoritmos de Monte Carlo para el ajuste datos experimentales empleando funciones paramétricas donde además se analizó el rendimiento numérico de cada una de ellas. Se pusieron a prueba varias estrategias como la búsqueda aleatoria simple, métodos híbridos basados en búsqueda aleatoria combinados con algoritmos de máximo gradiente, como así también la implementación de recocidos simulados (Simulated Annealing). Entre los aportes originales de este trabajo de tesis, se destaca la propuesta de desacoplar los parámetros lineales de los no lineales. En esta metodología, la búsqueda aleatoria sólo se centra en los términos no lineales y el resto de los términos se computan en cada simulación mediante cuadrados mínimos lineales, a diferencia de metodologías convencionales de Monte Carlo donde la exploración se realiza sobre todos los parámetros indistintamente de su naturaleza. Esta propuesta disminuye el tiempo de máquina al reducir la dimensionalidad del espacio de muestreo.Licenciado en MatemáticaUniversidad Nacional de La PlataFacultad de Ciencias ExactasHuck Iriart, CristiánVahnovan, Alejandra (veedora académica)2019-12-16info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/87857spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/4.0/Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:17:29Zoai:sedici.unlp.edu.ar:10915/87857Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:17:29.928SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales
title Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales
spellingShingle Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales
Costa, Federico
Matemática
Monte Carlo
Algoritmo
Ciencia de materiales
title_short Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales
title_full Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales
title_fullStr Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales
title_full_unstemmed Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales
title_sort Nuevos métodos de Monte Carlo - Simulated Annealing con aplicaciones en Ciencias de Materiales
dc.creator.none.fl_str_mv Costa, Federico
author Costa, Federico
author_facet Costa, Federico
author_role author
dc.contributor.none.fl_str_mv Huck Iriart, Cristián
Vahnovan, Alejandra (veedora académica)
dc.subject.none.fl_str_mv Matemática
Monte Carlo
Algoritmo
Ciencia de materiales
topic Matemática
Monte Carlo
Algoritmo
Ciencia de materiales
dc.description.none.fl_txt_mv Nuestro entendimiento de los fenómenos naturales habitualmente se sobresimplifica en la capacidad de mensurar propiedades de un sistema de estudio, que luego se interpreta probando alguna hipótesis (usualmente formalizada en lenguaje matemático). Luego, esta hipótesis se verifica a través de modelos que capturan su esencia o bien muta en nuevas hipótesis. En la ciencia de materiales, el uso de modelos paramétricos es de uso habitual para obtener información de mensurables físicos. La información del mismo se obtiene al maximizar la verosimilitud entre los datos experimentales y el modelo propuesto. En el presente trabajo de tesis de grado para optar por el título de licenciado en matemática, se propusieron y programaron modificaciones a algoritmos de Monte Carlo para el ajuste datos experimentales empleando funciones paramétricas donde además se analizó el rendimiento numérico de cada una de ellas. Se pusieron a prueba varias estrategias como la búsqueda aleatoria simple, métodos híbridos basados en búsqueda aleatoria combinados con algoritmos de máximo gradiente, como así también la implementación de recocidos simulados (Simulated Annealing). Entre los aportes originales de este trabajo de tesis, se destaca la propuesta de desacoplar los parámetros lineales de los no lineales. En esta metodología, la búsqueda aleatoria sólo se centra en los términos no lineales y el resto de los términos se computan en cada simulación mediante cuadrados mínimos lineales, a diferencia de metodologías convencionales de Monte Carlo donde la exploración se realiza sobre todos los parámetros indistintamente de su naturaleza. Esta propuesta disminuye el tiempo de máquina al reducir la dimensionalidad del espacio de muestreo.
Licenciado en Matemática
Universidad Nacional de La Plata
Facultad de Ciencias Exactas
description Nuestro entendimiento de los fenómenos naturales habitualmente se sobresimplifica en la capacidad de mensurar propiedades de un sistema de estudio, que luego se interpreta probando alguna hipótesis (usualmente formalizada en lenguaje matemático). Luego, esta hipótesis se verifica a través de modelos que capturan su esencia o bien muta en nuevas hipótesis. En la ciencia de materiales, el uso de modelos paramétricos es de uso habitual para obtener información de mensurables físicos. La información del mismo se obtiene al maximizar la verosimilitud entre los datos experimentales y el modelo propuesto. En el presente trabajo de tesis de grado para optar por el título de licenciado en matemática, se propusieron y programaron modificaciones a algoritmos de Monte Carlo para el ajuste datos experimentales empleando funciones paramétricas donde además se analizó el rendimiento numérico de cada una de ellas. Se pusieron a prueba varias estrategias como la búsqueda aleatoria simple, métodos híbridos basados en búsqueda aleatoria combinados con algoritmos de máximo gradiente, como así también la implementación de recocidos simulados (Simulated Annealing). Entre los aportes originales de este trabajo de tesis, se destaca la propuesta de desacoplar los parámetros lineales de los no lineales. En esta metodología, la búsqueda aleatoria sólo se centra en los términos no lineales y el resto de los términos se computan en cada simulación mediante cuadrados mínimos lineales, a diferencia de metodologías convencionales de Monte Carlo donde la exploración se realiza sobre todos los parámetros indistintamente de su naturaleza. Esta propuesta disminuye el tiempo de máquina al reducir la dimensionalidad del espacio de muestreo.
publishDate 2019
dc.date.none.fl_str_mv 2019-12-16
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/87857
url http://sedici.unlp.edu.ar/handle/10915/87857
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc/4.0/
Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0/
Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616048152674304
score 13.070432

Publicaciones similares