Revista de Matemática: Teoría y Aplicaciones ISSN Impreso: 1409-2433 ISSN electrónico: 2215-3373

OAI: https://revistas.ucr.ac.cr/index.php/matematica/oai
Aplicación de la búsqueda tabú en regresión no lineal
PDF

Palabras clave

regression
parameter estimation
combinatorial optimization
local minima
regresión
estimación de parámetros
optimización combinatoria
mínimos locales

Cómo citar

Villalobos, M. A., Trejos, J., & de los Cobos, S. (2006). Aplicación de la búsqueda tabú en regresión no lineal. Revista De Matemática: Teoría Y Aplicaciones, 13(1), 81–94. https://doi.org/10.15517/rmta.v13i1.269

Resumen

Se presenta una implementación de la técnica de optimización combinatoria conocida como búsqueda tabú a la estimación de parámetros de un modelo de regresión no lineal dado. La implementación está basada en una discretización del espacio de parámetros y en el recorrido de este espacio a través de una malla, para la generación de los estados vecinos de un estado actual. Se presentan algunos resultados comparativos sobre datos reales o simulados.

https://doi.org/10.15517/rmta.v13i1.269
PDF

Citas

Aarts, E.M.; Korst, J. (1989) Simulated Annealing and Boltzmann Machines. John Wiley & Sons, Chichester.

Antoniadis, A.; Berruyer, J.; Carmona, R. (1992) Régression Non Linéaire et Applications. Economica, Paris.

Bard, Y. (1974) Nonlinear Parameter Estimation. Academic Press, New York.

Bates, D.M.; Watts, D.G. (1988) Nonlinear Regression Analysis and its Applications. John Wiley & Sons, New York.

Borowiak. Model Discrimination for Nonlinear Regression Models.

Daniel; Wood. Fitting Equations to Data.

de los Cobos, S.; Trejos, J. (2001) Optimización Combinatoria a través de Métodos Estocásticos. Libro en preparación.

Draper, N.R.; Smith, H. (1968) Applied Regression Analysis. John Wiley & Sons, New York.

Glover, F.; Taillard, E., de Werra, D. (1993) “A user’s guide to tabu search”, Annals of Ops.Res. 41.

Glover, F.; Laguna, M. (1995) “Tabu search”, in: C. Reeves (Ed.) Modern Heuristic Techniques for Combinatorial Problems. McGraw-Hill, London: 70–150.

Marquardt, D.W. (1963) “An algorithm for least squares estimation of nonlinear parameters”, Journal of the Society for Industrial and Applied Mathematics 2: 431–441.

Ratkowsky, D.A. (1983) Nonlinear Regression Modeling. A Unified Practical Approach. Marcel Dekker, New York.

Reeves, C. (Ed.) (1995) Modern Heuristic Techniques for Combinatorial Problems. McGraw-Hill, London.

Rodríguez, W.; Trejos, J. (1995) Análisis y Modelado del Crecimiento del Ñame Alado (Dioscorea alata). Informe final de investigación, Universidad de Costa Rica.

Ross, G. (1990) Nonlinear Estimation. Springer-Verlag, New York.

Tomassone, R.; Audrain, S.; Lesquoy, E.; Millier, C. (1992) La Régression. Des Nouveaux Regards sur une Ancienne Méthode Statistique. Masson, Paris.

Trejos, J.; Murillo, A.; Piza, E. (1998) “Global stochastic optimization for partitioning”, In: A. Rizzi et al. (Eds.) Advances un Data Science and Classification, Springer-Verlag, Berlin.

Trejos, J.; Villalobos, M. (1999) “Optimización mediante recocido simulado en regresión no lineal”, Memorias del XII Foro Nacional de Estadística, Monterrey: 183–190.

Trejos, J.; Villalobos, M. (2000) “Optimización son sobrecalentamiento simulado en regresión no lineal: algoritmo y software”, Investigación Operacional 21(3): 236–246. La Habana, Cuba.

Venables, W.N.; Ripley, B.D. (1994) Modern Applied Statistics with S-Plus. Springer-Verlag, New York.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.