Identificación de Parámetros Borrosos para el Control de Suspensión Activa mediante Enjambre de Partículas

El artículo aborda la identificación de parámetros borrosos mediante técnicas de optimización de enjambre de partículas (PSO) y su aplicación al control de un sistema de suspensión activa. En particular, se adopta un controlador de tipo Takagi-Sugeno de orden cero con partición diifusa estándar de sus antecedentes. A diferencia de trabajos previos, donde el aprendizaje se limitaba a los parámetros de escala del control, el método propuesto permite la optimización de los conjuntos borrosos de los antecedentes. La metodología propuesta se ha experimentado con éxito sobre un sistema físico de un cuarto de vehículo.

Aplicando programación lineal entera a la búsqueda de conjuntos de productos de prueba priorizados para líneas de productos software

Las líneas de productos software son familias de productos que están íntimamente relacionados entre sí, normalmente formados por combinaciones de un conjunto de características software. Generalmente no es factible testar todos los productos de la familia, ya que el número de productos es muy elevado debido a la explosión combinatoria de características. Por este motivo, se han propuesto criterios de cobertura que pretenden probar al menos todas las interacciones entre características sin necesidad de probar todos los productos, por ejemplo todos los pares de características (emph{pairwise coverage}). Además, es deseable testar primero los productos compuestos por un conjunto de características prioritarias. Este problema es conocido como emph{Prioritized Pairwise Test Data Generation}. En este trabajo proponemos una técnica basada en programación lineal entera para generar este conjunto de pruebas priorizado. Nuestro estudio revela que la propuesta basada en programación lineal entera consigue mejores resultados estadísticamente tanto en calidad como en tiempo de computación con respecto a las técnicas existentes para este problema.