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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/87857
Ver los metadatos del registro completo
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 |