Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EVOLUTIVOS Y BIOINSPIRADOS
OTRAS METAHEURSTICAS
Oscar Cordn
Antz (Hormiga Z)
DreamWorks Pictures. 1998
Recordad...
SED LA BOLA!
2
Entonces...
Cmo lo hacen?
3
hormigas
llamada
volver
su
He perdido el rastro,
he perdido el rastro!
4
En el segundo, las
hormigas convergan a
la rama ms corta
10
11
pi ,a =
[k + i ,a ]
[k + i ,a ] + [k + i ,a ' ]
donde:
12
La hormiga artificial
Actualizacin de feromona
El Sistema de Hormigas
La metaheurstica OCH
13
14
16
LA HORMIGA ARTIFICIAL
la
preferencia
17
[ rs ] [ rs ]
, si s J k (r)
pk (r , s ) = [ ru ] [ ru ]
uJ k (r)
0,
en otro caso
ACTUALIZACIN DE FEROMONA
1. Se usa una retroalimentacin positiva para reforzar en el
futuro los componentes de las buenas soluciones mediante
un aporte adicional de feromona
Cuanto mejor sea la solucin, ms feromona se aporta
2. Se usa la evaporacin de feromona para evitar un
incremento ilimitado de los rastros de feromona y para
permitir olvidar las malas decisiones tomadas
La evaporacin es la misma para todos los rastros,
eliminndose un porcentaje de su valor actual: 01
Es un mecanismo de evaporacin ms activo que el natural,
lo que evita la perduracin de los rastros de feromona y, por
tanto, el estancamiento en ptimos locales
19
rs (t ) = (1 ) rs (t 1) + rsk
k =1
1
, si la hormiga k ha visitado el arco a rs
= C ( S k )
0,
en otro caso
k
rs
EL SISTEMA DE HORMIGAS
DEVOLVER Mejor_Global
23
1
5
D = 5
2
2
1 5 5
2 2
2 2
2 2
5 5 1
5 3 5
2 2
5
5
1
5
3
5
2
1.000
0.447
= 0.447
0.500
0.707
0.707
0.707
0.447
0.333
0.500
0.707
1.000
0.447
0.447
0.447
1.000
0.707
0.447
0.333
0.447
0.707
-
Probabilidades de transicin
1
1
2
3
5
6
0.585
1.000
0.415
Uniforme
0.000
0.031
0.673
0.842
-
Solucin
(1 2 - - - -)
(1 2 3 - - -)
(1 2 3 5 - -)
(1 2 3 5 6 -)
(1 2 3 5 6 4)
25
Probabilidades de transicin
2
3
5
6
4
0.322
0.231
0.227
0.453
0.320
0.612
0.388
1.000
Uniforme
0.279
0.671
0.931
0.873
-
Solucin
(2 3 - - - -)
(2 3 5 - - -)
(2 3 5 6 - -)
(2 3 5 6 4 -)
(2 3 5 6 4 1)
Uniforme
0.372
0.415
0.321
0.474
-
Solucin
(3 2 - - - -)
(3 2 1 - - -)
(3 2 1 5 - -)
(3 2 1 5 4 -)
(3 2 1 5 4 6)
Probabilidades de transicin
1
3
2
1
5
4
0.169 0.267
0.417
0.585
0.415
1.000
26
Hormiga
C(Sk)
Aporte
Solucin
Arcos afectados
1
2
3
4
5
6
10.53
10.53
9.05
11.12
10.88
9.47
9.49
9.49
11.04
8.99
9.19
10.55
(1 2 3 5 6 4)
(2 3 5 6 4 1)
(3 2 1 5 4 6)
(4 2 6 1 3 5)
(5 1 6 2 4 3)
(6 5 3 4 2 1)
27
rs (t ) = (1 ) rs (t 1) + rsk
k =1
29
q es un uniforme en [0,1]
escoge
31
rs (t ) = (1 ) rs (t 1) +
1
C ( S mejor global )
32
rs (t ) = (1 ) rs (t 1) + 0
C(Mejor_Global)
DEVOLVER Mejor_Global
35
rs (t ) = (1 ) rs (t 1) + rsmejor
donde mejor es Smejor-global o Smejor-actual
37
min rs (t ) max
Los lmites se calculan de forma heurstica
38
39
40
42
a rs S mejor global
balance
diversificacin-
Nmero de hormigas: m = 10
Nivel inicial de feromona: 0 = 1/(nC(Sgreedy))
(Sgreedy = solucin obtenida por un algoritmo greedy)
46
47
SCH
(media)
15781.7
42029
27718.2
8837.9
SCH
(mejor)
15780
42029
27693
8818
Otros
(media)
15780
42029
27693.7
8807.3
Otros
(mejor)
15780
42029
27686
8806
52
53
54
del
grafo
contendr
dos
tipos
de
60
62
Asignacin Cuadrtica
Secuenciacin de Tareas
Coloreo de Grafos
Enrutamiento de Vehculos
Ordenacin Secuencial
Pooling de vehculos
Lneas de produccin de coches
Problemas de Agrupamiento (Clustering)
Aprendizaje de Reglas Clsicas y Difusas
Bioinformtica: plegado de protenas 2D
63
4. COMENTARIOS FINALES
Sencillos de entender
Rpidos
Con buen rendimiento
de
65
BALANCE EXPLORACIN-EXPLOTACIN
68
Ayuda a explotar
problema a resolver
el
conocimiento
especfico
del
5. BIBLIOGRAFA
5. BIBLIOGRAFA (2)
http://iridia.ulb.ac.be/~mdorigo/ACO/ACO.html
72
Aplicacin tpica:
Optimizacin numrica.
Caractersticas atribuidas:
FUNCIONAMIENTO BSICO
PSEUDOCDIGOS
Funcionamiento Bsico
Tres vectores:
El vector X almacena la posicin
actual (localizacin) de la partcula en
el espacio de bsqueda,
El vector pBest almacena la
localizacin de la mejor solucin
encontrada por la partcula hasta el
moemento, y
El vector V almacena el gradiente
(direccin) segn el cul se mover la
partcula.
pi
Xi = <xi1, , xin>
pBesti = <pi1, , pin>
Vi = <vi1, , vin>
x_fitness = ?
pBest_fitness = ?
81
pBest_fitness x_fitness.
82
COGNITIVO
SOCIAL
donde:
pi es la partcula en cuestin,
1,2 son ratios de aprendizaje (pesos) que controlan los componentes
cognitivo y social,
g representa el ndice de la partcula con el mejor pBest_fitness del
entorno de pi (lBest) o de toda la nube (gBest),
los rnd() son nmeros aleatorios generados en [0,1], y
d es la d-sima dimensin del vector.
83
REPRESENTACIN GRFICA:
d
a
d
i
m
i
i-prox
Aqu
estoy!
Xi
pBesti
Mi mejor
solucin
pg
La mejor
solucin de
mis vecinos
d
a
d
i
m
i
-prox
85
t = 0;
Para i=1 hasta Nmero_partculas
inicializar Xi y Vi;
Mientras (no se cumpla la condicin de parada) hacer
tt+1
Para i=1 hasta Nmero_partculas
evaluar Xi;
Si F(Xi) es mejor que F(pBest) entonces
pBesti Xi; F(pBesti) F(Xi)
t = 0;
Para i=1 hasta Nmero_partculas
inicializar Xi y Vi;
Mientras (no se cumpla la condicin de parada) hacer
tt+1
Para i=1 hasta Nmero_partculas
evaluar Xi;
Si F(Xi) es mejor que F(pBest) entonces
pBesti Xi; F(pBesti) F(Xi)
Si F(pBest) es mejor que F(gBest) entonces
gBest pBesti; F(gBesti) F(pBesti)
Geogrfico
Social
90
1
2
Crculo virtual
6
5
91
3. ASPECTOS AVANZADOS
92
Un coeficiente de constriccin.
93
donde:
K=
2 2 4
= 1 + 2
>4
95
97
Sncrona
Asncrona
I0
I1
I4
La actualizacin asncrona
permite considerar las soluciones
nuevas ms rpidamente.
El mtodo asncrono puede
representarse por el grfico
siguiente.
I3
I2
98
V
Cuanto mejor
soy, ms me
tengo en cuenta
a m mismo
rnd(0b)(p-x)
Cuanto mejor es mi
mejor vecino, ms
tiendo a ir hacia l
99
Registrado de Imgenes.
Viajante de Comercio.
Control de Sistemas.
Ingeniera Qumica.
100
101