Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algoritmos Metaheuristicos
Algoritmos Metaheuristicos
Inconvenientes:
Metaheursticas: Procedimiento iterativo maestro que gua y modifica las operaciones de una
heurstica subordinada para producir eficientemente soluciones de alta calidad
En los ltimos aos han aparecido una serie de mtodos bajo el nombre de Metaheursticos
Propsito de obtener mejores resultados que los alcanzados por los heursticos tradicionales
El trmino metaheurstico fue introducido por Fred Glover en 1986:
Los procedimientos Metaheursticos son una clase de mtodos aproximados que
estn diseados para resolver problemas difciles de optimizacin combinatoria,
en los que los heursticos clsicos no son efectivos. Los Metaheursticos
proporcionan un marco general para crear nuevos algoritmos hbridos
combinando diferentes conceptos derivados de la inteligencia artificial, la
evolucin biolgica y los mecanismos estadsticos
Para obtener buenas soluciones, cualquier algoritmo de bsqueda debe establecer un balance
adecuado entre dos caractersticas contradictorias del proceso:
o
o
Las metaheursticas aplican distintas estrategias para obtener un buen balance entre
intensificacin y diversificacin
Taxonoma tabular
La estructuracin tabular consiste en contruir una tabla de caractersticas que permita la comparacin
entre las metaheursticas. Esta tabla contiene una columna por acada una de las caractersticas; en
cada celda de la tabla se rellenar con el valor correspondiente.
Estas son algunas caractersticas que se han considerado ms descriptivas para realizar una
clasificacin tabular:
Inspiracin: determina si una metaheurstica se inspira en un simil real o no. El valor de la
casilla ser: si en caso afirmativo, no en caso negativo y parcialmente en el caso de que
se base en una metaheurstica con inspiracin real, aunque no inspire directamente.
Nmero de soluciones: determina la cantidad de soluciones que se utiliza la metaheurstica
para implementar la busqueda. El valor de esta casilla puede ser trayectorial en el caso de
utilizar una nica solucin y poblacional en el caso de que utilice un conjunto de soluciones.
Multi-arranque: determina si la metaheurstica se ejecuta una o vairas veces. El valor de esta
casilla ser si en el caso de que sea multi-arranque y no en caso contrario.
Bsqueda local: determina si la metaheurstica utiliza un procedimiento de bsqueda local
para mejorar las soluciones. El valor de esta casilla ser si en caso afirmativo y no en
caso negativo.
Funcin objetivo: determina si la metaheurstica modifica la funcin objetivo para hacer la
bsqueda o no. El valor en esta casilla ser dinmica en el caso de que se modifique la
funcin objetivo y esttica en el caso contrario.
Niveles de vecindad: determina si la metaheurstica utiliza una o varias estructuras de
vecindad. En el primer caso el valor de la casilla ser uno y en el segundo caso varios.
Vecindad: establece si la metaheurstica utiliza una estructura de vecindad esttica o
dinmica. En el primer caso el valor de la casilla ser esttica y en el segundo caso
dinmica.
Memoria: establece si la metaheurstica utiliza estructura de memorias para la bsqueda. El
valor de la casilla ser explicita en el caso de tener una estructura explcita que almacene y
gue la bsqueda o implcita cuando se tienen en cuenta caractersticas del pasado.
Procesos aleatorios: determina si la metaheurstica contempla fenmenos de aleatorizacin
para permitir movimientos que puedan empeorar la solucin para salir de ptimos locales. El
valor de la casilla ser si en caso afirmativo y no en el caso contrario.
Procesos adaptativos: determina si la metaheurstica se adapta al problema, de tal forma que
es capaz de cambiar sus parmetros, ya sea para intensificar o para diversificar la bsqueda.
El valor de la casilla ser si en caso de que algn procedimiento sea adaptativo o no en
caso negativo.
Taxonoma jerrquica
Las taxonomas jerrquicas establecen una estructura de rbol para intentar clasificar las
metaheursticas. Estas clasificaciones asumen que son parciales, ya que la relacin entre estos
algoritmos suele ser ms compleja.
En la siguiente figura se presenta una propuesta que permite clasificar jerrquicamente la mayora
de las metaheursticas: