Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentg1 LS
Presentg1 LS
Grupo 1:
Vernica Giaudrone
Marcelo Vaccaro
Artculo: Iterated Local Search
Loureno, Martin, Sttzle
Agenda
Introduccin
Random Search
Bsqueda en S*
Mejorando Performance
Componentes
Optimizacin global
Aplicaciones
Futuro
Conclusiones
Introduccin
simple
efectiva
en lo posible general
Caso ideal: Puede ser usada sin ningn
conocimiento del problema
Metaheursiticas se volvieron ms sofisticadas,
y este ideal se dej de lado por mejor
performance
Introduccin (cont)
Totalmente de
propsito general
Conocimiento especfico
del problema
Introduccin (cont)
Consideraciones
Determinstica
Sin memoria
Costo
La distribucin de costos:
Forma de campana
Agenda
Introduccin
Random Search
Bsqueda en S*
Iterated Local Search
Mejorando Performance
Componentes
Optimizacin global
Aplicaciones
Futuro
Conclusiones
Random Restart
Bsqueda en S*
Bsqueda Local Iterada
Bsqueda local
Solucin inicial
N (1 )
N ( 2 )
N ( 4 )
ptimo local
N ( 3 )
Random Restart
Bsqueda en S*
Bsqueda Local Iterada
Random restart
Random Restart
Bsqueda en S*
Bsqueda Local Iterada
Bsqueda en S*
Bsqueda en S* (cont)
Random Restart
Bsqueda en S*
Bsqueda Local Iterada
Metaheurstica
Procedure Iterated Local Search
s0 = GenerateInitialSolution
s* = LocalSearch(s0)
repeat
s = Perturbation(s*, history)
s* = LocalSearch(s)
s* = AcceptanceCriterion(s*, s*, history)
end
Resumiendo
Resumiendo(cont)
Agenda
Introduccin
Iterando en Bsqueda local
Random Search
Bsqueda en S*
Mejorando Performance
Componentes
Optimizacin global
Aplicaciones
Relaciones con otras Metaheursticas
Futuro
Conclusiones
2.
3.
4.
Solucin aleatoria
Solucin de alguna heurstica de construccin
greedy
Componentes
Solucin inicial
Componentes
Bsqueda Local
Componentes
Perturbacin
Perturbacin (cont)
Muy fuerte:
Muy suave:
Perturbacin (cont)
Perturbacin (cont)
Problemas ms complejos:
Perturbaciones adaptativas
Velocidad
Componentes
Criterio de aceptacin
Criterios de aceptacin
Better:
Criterios de aceptacin
Random Walk
Criterios de aceptacin
Restart
Ejemplo: TSP
Agenda
Introduccin
Iterando en Bsqueda local
Random Search
Bsqueda en S*
Mejorando Performance
Componentes
Optimizacin global
Aplicaciones
Relaciones con otras Metaheursticas
Futuro
Conclusiones
Al focalizarnos en un componente,
consideramos fijos todos los dems.
La optimizacin de un componente
depende de las elecciones en los
otros.
Ignoramos en la optimizacin la
generacin de la solucin inicial
Agenda
Introduccin
Iterando en Bsqueda local
Random Search
Bsqueda en S*
Mejorando Performance
Componentes
Optimizacin global
Aplicaciones
Conclusiones
Aplicaciones
TSP
Problemas de planificacin
Biparticin de grafos
MAX-SAT
Es crtica la eleccin del algoritmo de
bsqueda local para obtener muy buena
performance
Optimizar globalmente los dems
componentes
ILS
Agenda
Introduccin
Iterando en Bsqueda local
Random Search
Bsqueda en S*
Mejorando Performance
Componentes
Optimizacin global
Aplicaciones
Conclusiones
GRASP
Colonia de hormigas (ACO)
Algoritmos evolutivos (EA)
Bsqueda dispersa
Bsqueda en vecindades variables
ILS
Metaheursticas basadas en
vecindades
Clasificacin en
Otra clasificacin:
Basadas en poblaciones:
EA
Bsqueda dispersa
ACO
ILS
En el futuro
An debe mejorarse:
Agenda
Introduccin
Iterando en Bsqueda local
Random Search
Bsqueda en S*
Mejorando Performance
Componentes
Optimizacin global
Aplicaciones
Futuro
Conclusiones
Conclusiones
Simple
Fcil de implementar
Robusta
Altamente efectiva
Conclusiones (cont)
Conclusiones (cont)
Preguntas
Metaheursticas basadas en
vecindades (cont)