Diseño y evaluación de modelos de planificación de inteligencia artificial y programación matemática para generar rutas de aprendizaje.
Maya Padrón, Cristina (2017) Diseño y evaluación de modelos de planificación de inteligencia artificial y programación matemática para generar rutas de aprendizaje. Doctorado thesis, Universidad Autónoma de Nuevo León.
|
Texto
1080241228.pdf - Versión Aceptada Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Vista previa |
Resumen
OBJETIVOS Y M´E TODO DE ESTUDIO: En este proyecto de investigación se plantea y desarrolla un problema de generación de rutas de aprendizaje para estudiantes y se analizan los métodos de solución. Se realiza el análisis de complejidad de nuestro problema, demostrando que el problema de planificación educativa es NP-completo. Para generar las rutas de aprendizaje representamos el plan de estudios, así como la información del estudiante, en modelos de planificación de inteligencia artificial que utilizan para su solución, algoritmos de propósito especial llamados planificadores así como, la realización de un modelo de programación maten ática para conocer las soluciones ´optimas de las Instancias generadas. Los planificadores seleccionados para dar solución a los modelos de planificación son SGPLAN y LPG. El solver utilizado para resolver los modelos de programación matemática es GAMS utilizando CPLEX. Se realiza una metodología hibrida la cual combina planificación de IA y programación matemática para obtener mejores soluciones. CONTRIBUCIONES Y CONCLUSIONES: Diseño de un modelo de planificación en PDDL y un modelo de programación matemática para representar el problema de planificación educativa (generación de rutas de aprendizaje). Realización de un análisis de complejidad de nuestro problema, demostrando que el problema de planificación educativa es NP-completo. Análisis de dos algoritmos de planificación (LPG y SGPLAN) para la resolución del problema de planificación educativa. Combinación de dos metodologías de solución: planificación de IA y programación matemática para la generación de rutas de aprendizaje. Como conclusión podemos decir que: la realización de comprobación de la complejidad de nuestro problema nos permite inferir en la importancia y relevancia de resolución del mismo. El diseño del modelo de planificación en PDDL representa correctamente el problema de generación de rutas de aprendizaje, sin embargo, los algoritmos de planificación presentan ciertas limitantes en la calidad de solución de los planes, presentando un GAP muy grande. Por su parte, el diseño del modelo de programación matemática nos permite conocer las soluciones ´optimas de las instancias generadas en cuanto a la selección de actividades de aprendizaje que minimicen el tiempo total (función objetivo establecida en la experimentación), olvidando la ordenación de dichas actividades. Combinando ambas metodologías (planificación de IA y modelación matemática) nos permite obtener mejores soluciones.
Tipo de elemento: | Tesis (Doctorado) | ||||||
---|---|---|---|---|---|---|---|
Información adicional: | Tesis (Doctor en Ingeniería con especialidad en Ingeniería de Sistemas) | ||||||
Divisiones: | Ingeniería Mecánica y Eléctrica | ||||||
Usuario depositante: | Lic. Josimar Pulido | ||||||
Creadores: |
|
||||||
Fecha del depósito: | 11 Sep 2018 17:32 | ||||||
Última modificación: | 11 Sep 2018 17:32 | ||||||
URI: | http://eprints.uanl.mx/id/eprint/14076 |
Actions (login required)
Ver elemento |