Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Heurística PDF
Heurística PDF
Elaborado por:
TSU. Brito Jennifer
TSU. Ramírez María
TSU. Izquierdo Paúl
Docente:
ING. Zapata José
Cátedra:
Investigación de Operaciones II
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
1.) HEURÍSTICA.
La Heurística es la capacidad que ostenta un sistema determinado para realizar de manera
inmediata innovaciones positivas para sí mismo y sus propósitos.
Esta capacidad es una característica inherente a los seres humanos, ya que a través de esta
los individuos podemos descubrir cosas, inventar otras tantas, resolver problemas mediante la
creatividad o el pensamiento lateral, entre otras alternativas.
Entre otras cosas, Pólya, allí les aconsejaba, que en el caso de no comprender un
problema, lo mejor sería dibujar un esquema sobre el, si el problema en cuestión es abstracto,
probar de pasarlo a un tema concreto, sin dudas,
ejemplos, que ilustran mejor que nada el concepto de
heurística.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
El método Heurístico, entonces, está compuesto por los siguientes elementos: principios
(sugerencias para hallar la solución: analogía y reducción); reglas (ayudan a encontrar los
medios para resolver los problemas, entre las más empleadas se cuentan: separar lo dado de
aquello buscado, confección de mapas, esquemas, utilización de números, reformulación de
problemas) y estrategias (recursos organizativos funcionales al proceso de resolución, pueden
ser de dos tipos: el trabajo hacia delante o el trabajo hacia atrás).
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Los métodos heurísticos pueden variar en el grado de generalidad. Algunos son muy
generales y se pueden aplicar a una gran variedad de dominios, otros pueden ser más
específicos y se limitan a un área particular del conocimiento.
Principios Heurísticos.
Constituyen sugerencias para encontrar (directamente) la idea de solución; posibilita
determinar, por tanto, a la vez, los medios y la vía de solución. Dentro de estos principios se
destacan la analogía y la reducción.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
► El trabajo hacia adelante: se parte de lo dado para realizar las reflexiones que han de
conducir a la solución del problema.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Un método heurístico resulta ser un enfoque que aprovecha la estructura del problema.
Mediante el uso de un conjunto de reglas “racionales”, obteniendo una solución buena, es decir
cercana a la óptima o en ocasiones la óptima.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Sea TRC(T) el costo total relevante asociado con un pedido que dura T períodos. El
costo total relevante por unidad de tiempo, TRCUT(T), será entonces RC(T)/T, o más
precisamente:
El método inicia con el período 1, para el cual TRC(1)/1 =A/1 =A; continúa con el período 2,
para el cual TRC(2)/2= [A+D2vr(1)]/2; luego, con el período 3, para el cualTRC(3)/3 =
[A+D2vr(2) +D3vr(1)]/3; y así sucesivamente hasta que se observe que el costo por unidad de
tiempo se incrementa de un período a otro. En este momento se para el proceso y se define la
cantidad a ordenar en el período 1 igual a la suma de las demandas de los períodos para los
cuales no se incrementó el costo total relevante por unidad de tiempo. El proceso comienza de
nuevo a partir del período T para el cual se incrementó el TRC (T) T por primera vez, y se
continúa de esta manera hasta el final del horizonte de planeación. Este método no garantiza la
optimización porque puede verse atrapado en un mínimo local, pero ha demostrado tener muy
buenos resultados en la práctica
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Como puede observarse, el primer período para el cual el costo total relevante por unidad
de tiempo se incrementa, es el mes 4. Por lo tanto, el método nos sugiere ordenar en el mes 1la
demanda correspondiente a los meses 1, 2 y 3. El proceso continúa entonces a partir del mes 4.
Se sugiere al lector completar los cálculos hasta el mes 12, y comprobar lo expresado
anteriormente en el sentido que este algoritmo produce la solución óptima para este ejemplo.
Cuando la demanda no es muy variable, la diferencia entre los resultados de este método
y el del EOQ no difiere significativamente. Para determinar cuando utilizar uno u otro método,
recuérdese el coeficiente VC definido anteriormente en la expresión (4.11). Se ha encontrado a
través de estudios experimentales lo siguiente:
► Si VC < 0.2, entonces puede utilizarse el método del EOQ con la demanda promedio
sobre el horizonte de planeación, ya que produce buenos resultados.
►Si VC ≥ 0.2, entonces se sugiere utilizar el heurístico de Silver-Meal.
8
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
En este caso, no necesariamente debe ordenarse una cantidad para cubrir los
requerimientos de un número entero de períodos, ya que es posible que la mejor política sea
ordenar una cantidad igual al punto de quiebre, Q 1, la cual no necesariamente cubre una
cantidad entera de períodos. Lamarre y Baier (1981) desarrollaron una variante del algoritmo
de Silver-Meal para tener en cuenta esta consideración, a través de
extensiva experimentación. Sea T1 el número de períodos (no necesariamente entero) que
podría cubrir la cantidad Q1. Se calcula entonces los costos totales por unidad de tiempo
para T1, o sea:
9
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Ejemplo
Los métodos de búsqueda heurística disponen de alguna información sobre la proximidad
de cada estado a un estado objetivo, lo que permite explorar en primer lugar los caminos más
prometedores.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Actividad: Se trata de “girar” los caballos alrededor del tablero en la misma dirección.
Como en cada fase se mueven los 4 caballos, hacen falta 16 movimientos.
12
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
para g(n)+h(n), donde g(n) es el coste (exacto) del camino desde el estado inicial al nodo
actual. Cuando h(n) es admisible, esto es si h(n) nunca sobrestima los costes de encontrar el
objetivo; A* es probablemente óptimo.
Un problema clásico que usa heurísticas es el puzzle-n. Contar el número de casillas mal
colocadas y encontrar la suma de la distancia Manhattan entre cada bloque y su posición al
objetivo son heurísticas usadas a menudo para este problema.
Aunque cualquier heurística admisible devolverá una respuesta óptima, una heurística que
devuelve un factor de ramificación más bajo es computacionalmente más eficiente para el
problema en particular. Puede demostrarse que una heurística h2(n) es mejor que otra h1(n),
si h2(n) domina h1(n), esto quiere decir que h1(n)<h2(n) para todo n</h
14
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
15
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Artificial (IA), y en especial, en el de la Ingeniería del Conocimiento, dado que el ser humano
opera la mayor parte de las veces utilizando heurísticas, un hecho cierto que una heurística es la
conclusión del razonamiento humano en un dominio específico, por lo que es normal que este
tipo de programación que encuadrado en el área de la I.A., ya que implementa el conocimiento
humano, dado por la experiencia, utilizando reglas de buena lógica.
Una representación más apropiada de la estructura del problema para su resolución con
técnicas heurísticas
La utilización de métodos de resolución de problemas aplicando funciones de evaluación
con procedimientos específicos de búsqueda heurística para la consecución de las metas.
Por otra parte, la Programación Heurística se presenta y utiliza desde diferentes puntos
de vista.
17
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
En Herramientas
► Tratamiento fundamentalmente simbólico, dado que la mayor parte de los problemas
que precisan tratamiento heurístico tienen estructura simbólica.
► Unidades funcionales autónomas que posibiliten modelar una heurística y su
mecanismo de ejecución, definiendo módulos independientes.
► Estructuras de datos que permitan describir estados de problemas y relaciones entre
estados.
► Estructuras procedimentales de control y de proceso (o de definición) que permitan la
ejecución coherente del modelo heurístico, y posibiliten la adquisición y utilización del
conocimiento adquirido en el proceso de resolución del problema.
18
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
retornar después de un cambio al punto de partida. De esta forma debemos revisar lo que
hemos hecho y de ser necesario anularlo previamente y entonces estructurar las relaciones de lo
encontrado.
20
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
En el problema de grafos que admiten un recorrido euleriano se tiene, que ocurre cuando
se tienen al menos dos puntos a los que llegan un número par de líneas.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Los métodos constructivos y los de búsqueda local son la base de los métodos Meta-
heurísticos
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
otra para lograr el balance entre intensificación y diversificación, la dimensión de calidad hace
referencia habilidad para diferenciar la bondad de las soluciones visitadas a lo largo del
proceso de búsqueda. La flexibilidad de las estructuras de memorias mencionadas hasta este
momento guía la búsqueda en un entorno multi-objetivo, dado que determinan la bondad de
búsqueda particular mediante más de una función. La memoria referida a la influencia
considera el impacto a la calidad de las decisiones tomadas durante la búsqueda, no sólo en lo
referente a la calidad de las soluciones si no también referente a las mimas.
25
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
26
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Para el caso anterior las tareas enumeras 2 y 5 se resuelven como pares ordenados (2,5)
por tanto la permutación de (5,2) debe llevar al mismo valor de búsqueda de una solución
como en par de (2,5). De esta forma se clasifica como tabú el par (5,2).
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Paso 1 (Inicialización).
(A) Seleccionar una solución de arranque xActual X.
(B) Almacenar la mejor solución actual conocida haciendo xMejor =
xActual y definiendo MejorCoste = c(xMejor).
Paso 2 (Elección y finalización).
Elegir una solucion xSiguiente 2 N(xActual). Si los criterios de elección
empleados no pueden ser satisfechos por ningún miembro de N(xActual),
o si se aplican otros criterios de parada, entonces el método para.
Paso 3 (Actualización).
Rehacer xActual = xSi
La Búsqueda Tabú, emplea una filosofía diferente a otros métodos heurísticos para ir más
allá del criterio de finalizar en un óptimo local. Se reduce el énfasis en que sea aleatorio y
generalmente se usa en un modo altamente restringido, con el supuesto de que la búsqueda
inteligente debería estar basada en formas más sistemáticas de dirección. Por consiguiente,
muchas implementaciones de Búsqueda Tabú son en gran parte deterministas, es decir, la
Búsqueda Tabú “determinística” selecciona movimientos según probabilidades basadas en el
estado y en las evaluaciones asignadas a estos movimientos por los principios básicos de la
Búsqueda Tabú.
28
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Esta metodología parte de la premisa que ya hay una solución dada o se busca una al
azar, de este modo se trabaja sobre una solución dada aunque esta no sea óptima.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
asignación, de otro modo este método puede transformarse en algo inmanejable debido a que
tendría que integrar las restricciones y requerimientos propios de una distribución de cursos a
las salas de clases.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
local. La segunda fase (búsqueda local) se puede aplicar una búsqueda local convencional (o
incluso una Búsqueda en Vecindad Variables, VNS, si se desea).
Entonces GRASP consiste de dos fases: la constructiva donde se produce una solución
factible, aunque no necesariamente es óptima y la segunda fase es una búsqueda local, en la
cual se examinan vecindades de la solución de la fase anterior, esta fase usa la solución inicial
como punto de partida de la fase de búsqueda local.
31
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Las diferencias fundamentales entre cada una de las técnicas antes mencionadas radica en
los tipo de alteraciones que se realizan en las soluciones para obtener nuevos individuos y en
los métodos empleados para la selección de la nueva generación.
En los años 1970, de la mano de John Henry Holland, surgió una de las líneas más
prometedoras de la inteligencia artificial, la de los Algoritmos Genéticos (AG), son llamados
así porque se inspiran en la evolución biológica y su base genético molecular. Estos algoritmos
hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes
a las que actúan en la evolución biológica (mutaciones y recombinaciones genéticas), así
como también a una selección de acuerdo con algún criterio, en función del cual se decide
cuáles son los individuos más adaptados, que sobreviven, y cuáles los menos aptos, que son
descartados. También este algoritmo es denominado “algoritmo evolutivo” e incluye las
estrategias de evolución, la programación evolutiva y la programación genética.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Los Algoritmos Genéticos (AGs) son métodos adaptativos que pueden usarse para
resolver problemas de búsqueda y optimización. Un algoritmo genético consiste en una
función matemática o una rutina de software que toma como entradas una población de
ejemplares y retorna como salidas cuáles de ellos deben generar descendencia para la nueva
generación. Versiones más complejas de algoritmos genéticos generan un ciclo iterativo que
directamente toma a la especie (el total de los ejemplares) y crea una nueva generación que
reemplaza a la antigua una cantidad de veces determinada por su propio diseño. Una de sus
características principales es la de ir perfeccionando su propia heurística en el proceso de
ejecución, por lo que no requiere largos períodos de entrenamiento especializado por parte del
ser humano, principal defecto de otros métodos para solucionar problemas, como los Sistemas
Expertos.
Los Algoritmos Genéticos trabajan con una población de individuos, cada uno de los
cuales representa una solución factible a un problema dado. A cada individuo se le asigna un
valor ó puntuación, relacionado con la bondad de dicha solución. En la naturaleza esto
equivaldría al grado de efectividad de un organismo para competir por unos determinados
recursos. Cuanto mayor sea la adaptación de un individuo al problema, mayor será la
probabilidad de que el mismo sea seleccionado para reproducirse, cruzando su material
genético con otro individuo seleccionado de igual forma. Este cruce producirá nuevos
individuos, descendientes de los anteriores, los cuales comparten algunas de las características
de sus padres. Cuanto menor sea la adaptación de un individuo, menor será la probabilidad de
33
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
que dicho individuo sea seleccionado para la reproducción, y por tanto de que su material
genético se propague en sucesivas generaciones.
De esta manera se produce una nueva población de posibles soluciones, la cual reemplaza
a la anterior y verifica la interesante propiedad de que contiene una mayor proporción de
buenas características en comparación con la población anterior. Si el Algoritmo Genético ha
sido bien diseñado, la población convergerá hacia una solución óptima del problema.
El poder del Algoritmo Genético proviene del hecho de una técnica robusta y pueden
tratar una gran variedad de problemas provenientes de diferentes áreas, sin embargo esto no
garantiza una solución óptima del problema, si existe evidencia empírica de que se encuentran
soluciones aceptables en un tiempo competitivo con el resto de los algoritmos de optimización
combinatoria.
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
sobre cada uno de los cuales actuara un operador de mutación. El resultado de la combinación
de las anteriores funciones será un conjunto de individuos (posibles soluciones al problema),
los cuales en la evolución del Algoritmo Genético formaran parte de la siguiente población.
En la codificación del algoritmo genético supone que los individuos (posibles soluciones
al problema) pueden representarse como un conjunto de parámetros utilizando una
codificación binaria de 0 y 1 los cuales agrupados forman una lista de valores. Si bien el
alfabeto utilizado para representar los individuos no debe necesariamente estar constituido por
el (0; 1), buena parte de la teoría en la que se fundamentan los Algoritmos Genéticos utiliza
dicho alfabeto.
35
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
escogerán probablemente varias veces por generación, mientras que los pobremente adaptados
al problema, no se escogerán más que de vez en cuando.
37
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
La IA está dividida en una serie de áreas de investigación, cada una con propósitos
específicos que permite contribuir e un propósito de un objetivo general. Entre estos están las
redes neuronales, procesamiento del lenguaje natural, robótica y sistemas basados en el
conocimiento.
38
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
una acción), para emular el proceso de razonamiento de los expertos humanos en un dominio
en particular y/o área de experiencia.
► Software que incorpora conocimiento de experto sobre un dominio de aplicación dado,
de manera que es capaz de resolver problemas de relativa dificultad y apoyar la toma de
decisiones inteligentes en base a un proceso de razonamiento simbólico.27
Estas definiciones no son exclusivas una de otras sino que pueden conjugarse para hacer
una sola y tener más claro cuál es el comportamiento de un SE.
Los SBC se aplican por lo general, en problemas que implican procedimientos basados
en heurística, es decir un procedimiento de solución que utiliza estructuras que contienen
conocimiento y experiencia de los expertos humanos, deducción lógica de conclusiones,
capacidad de interpretar información ambigua y manipulación del conocimiento afectados por
datos de poca fiabilidad y evento probabilístico.
39
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Aquí hay unos ejemplos de ciertos problemas que de alguna manera su solución ha
ayudado a resolver situaciones aun más complejas
9.1.) 8 REINAS.
El problema de las 8 reinas fue propuesto por el ajedrecista alemán Max Bezzel en el año
1848. Consiste en la manera de situar 8 reinas en un tablero de ajedrez, sin que puedan
"amenazarse", es decir, que ninguna esté en la misma fila, columna o diagonal que la otra.
Es interesante estudiar esta problemática que ha sido resuelta de varias maneras, pero
siempre con una premisa por delante, usar una estrategia heurística para resolverla. La formula
mas común consiste en el Back Tracking. Este procedimiento consiste en ir ubicando las piezas
recordando la posición de las anteriores. Si por algún motivo una no puede ser ubicada, volver
hacia movimientos anteriores para seguir tratando por otro camino
40
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
9.2.) PROBLEMA A*
Desde siempre hemos tratado de
resolver de mejor manera un problema tan
común como un laberinto. La idea es que
dado un par de puntos dentro de un lugar,
buscar el camino más corto entre ellos. Al
ser una búsqueda por amplitud, el algoritmo
A* es un algoritmo completo, es decir, si
existe una solución, el algoritmo la
encontrará. La forma en que se modela la
solución es a través de un grafo en donde cada nodo es una posición valida dentro del espacio.
La función que se evalúa es de la forma F(n) = g(n) + h'(n), en donde g(n) representa el costo
total del recorrido antes de llegar al nodo n y h'(n) es el costo heurístico del nodo a evaluar.
41
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Una solución intuitiva para resolver esto sería evaluar cada una de las opciones, pero a
través de un cálculo simple podemos darnos cuenta que este proceso es una permutación de
todos los nodos y la complejidad de esto es de n!, lo que si utilizáramos 8 nodos, ya tenemos
que evaluar más de 40000 posibilidades. Con 20 o más, ya se hace prácticamente imposible
manejar esta cantidad de datos manualmente. Incluso a través de una computadora,
necesitamos bastante tiempo y capacidad de procesamiento para calcular estas posibilidades
Para modelar este problema se utiliza un grafo multidireccional, con un peso o costo o
determinado entre cada nodo
Aquí podemos ver 4 destinos y la oficina principal, con el costo asociado a cada camino.
Para resolver esta situación utilizaremos un software muy usado en temas de estadística y
cálculos numéricos, llamado WINQSB.
42
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
La forma en que calculara la solución es buscando todos los ciclos posibles para este
grafo y retornara el resultado menos, es decir, el menos costoso.
43
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
El recorrido optimo seria entonces Oficina Central - Lugar 3 - Lugar 4 - lugar 2 - Lugar 1
- Oficina central. El costo total del ciclo es de 195. Gráficamente, el camino se ve así
44
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
45
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Procedimiento
► Dado un vértice fuente s, Breadth-first search sistemáticamente explora los vértices de
G para “descubrir” todos los vértices alcanzables desde s.
► Calcula la distancia (menor número de vértices) desde s a todos
los vértices alcanzables.
► Después produce un árbol BF con raíz en s y que contiene a todos
los vértices alcanzables.
► El camino desde s a cada vértice en este recorrido contiene el mínimo número
de vértice. Es el camino más corto medido en número de vértices.
► Su nombre se debe a que expande uniformemente la frontera entre lo descubierto y lo
no descubierto. Llega a los nodos de distancia k, sólo tras haber llegado a todos los nodos a
distancia k-1.
Pseudocódigo
La nomenclatura adicional utilizada es: Q = Estructura de datos cola.
46
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
47
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
HEURÍSTICA
Descargas
Un programa muy utilizado para hacer cálculos para cada uno de los algoritmos usados en
informática y estadística es WinQSB
• www.pcdigital.org/descargar-winqsb-20/
Visite:
• http://psmheuristica.webnode.com.ve/
• http://www.youtube.com/watch?feature=player_embedded&v=_HjvV5nQziw&noredirect=1
• http://www.youtube.com/watch?feature=player_embedded&v=upoXlf_g-nE
• http://www.youtube.com/watch?feature=player_embedded&v=y5jQpOXEj78
• http://www.youtube.com/watch?feature=player_embedded&v=K1fgnN0WCYQ
48
Elaborado: Brito Jennifer – Ramírez María –Izquierdo Paúl // Docente: Zapata José //Catedra: Investigación de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay