Metodología de síntesis óptima dimensional de mecanismos mediante algoritmos de optimización híbridos

Resumen

La síntesis óptima de mecanismos es un campo de investigación con múltiples métodos de solución propuestos para resolver un mismo problema. Estos métodos pueden variar en su planteamiento matemático, por ejemplo entre métodos basados en gradiente o métodos estocásticos. En el planteamiento formal de los objetivos, o incluso en la forma de evaluación del error. Este trabajo se centra en diferentes de estos aspectos, como implementación de un estimador de error, desarrollo de un método de gradiente, de un método estocástico y finalmente de la hibridación de métodos estocásticos y basados en gradiente. Una de las principales características del método híbrido es el enfoque del mismo. Se plantean varias alternativas, como la utilización de un método basado en gradiente tras el método estocástico, y otras en las que se plantea la hibridación como un proceso de aprendizaje del individuo que se puede transmitir de una generación a otra de individuos (teoría Lamarkiana). Con este planteamiento se implementa el método basado en gradientes como parte del estimador de error, intentando representar el aprendizaje del individuo y su adaptación al medio a lo largo de su vida. Esta implementación se ha realizado para todos los individuos de cada generación, o únicamente para la élite de la misma. La ventaja fundamental de la hibridación es la obtención de resultados precisos, cercanos a un mínimo de error global (método estocástico) y con precisión en los resultados con un coste computacional razonable (método de gradiente). Los métodos propuestos se pueden utilizar con o sin restricciones y son aplicables a cualquier tipo de mecanismo, como se muestra en parte de los ejemplos expuestos a lo largo del trabajo.