Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ac 12
Ac 12
Datos de Entrada
Relativos al problema
Número de Etapas o Fábricas.- Es un dato numérico de tipo entero y puede tener un
rango de variación entre 1 y 1000.
Número de Alternativas en cada Etapa o Fábrica.- Es un dato numérico de tipo entero
y puede variar de 1 a 1000. Esta entrada puede ser distinta para cada una de las fábricas.
Número de recursos.- Esta entrada es numérica de tipo entera y representa la cantidad
máxima de recursos utilizados entre todas las etapas, lo que significa que pueden haber
etapas que requieran menos número de recursos.
Cantidad disponible de cada tipo de recurso.- es un valor numérico de tipo continuo o
discreto.
Inversiones permitidas.- de los recursos disponibles, en cada etapa o fábrica es un valor
numérico de tipo continuo.
Retornos o utilidad.- en cada etapa o fábrica por cada alternativa por el uso de los
recursos; es una cantidad numérica de tipo continuo.
Relativos al Algoritmo
Tamaño de la Población.- Es un número entero múltiplo de 2 y permite inicializar la
población de posibles soluciones; puede variar entre 2 y 1000.
Número de Generaciones.- Número entero positivo que puede variar de 1 a 1000,
permite encontrar la mejor solución dentro del intervalo.
Porcentaje de Mutación.- Operador Genético que es igual o menor al 10%
Porcentaje de Cruza.- Operador Genético que es igual o mayor a 80%.
Números de puntos de cruce.- Número entero positivo que puede variar desde uno
hasta dos puntos de cruce los que pueden tomar los valores desde 1 hasta tamaño del
cromosoma menos 1.
Datos de Salida
Los datos de salida están relacionados con el resultado de aplicar el algoritmo genético
y está en términos de:
a) Cantidad del recurso i a invertir en la etapa o fábrica k.
b) La calidad o Fitness de la mejor solución
c) El retorno total máximo.
Resultados
Los resultados de 31 muestras cuando el algoritmo opera bajo las siguientes condiciones
y conservando elitismo:
Mutación: 5%
Reproducción: 90%
Tamaño de la población: 100 individuos.
Número de Generaciones: 500.
Se implementa elitismo
Mostraron que el algoritmo genético implementado es Bueno trabajando con problemas
de asignación de recursos con retornos tabulados cuando el tamaño del problema tiene
hasta 6 fábricas, 5 recursos y 11 alternativas.
En este contexto, se garantiza que los resultados en encontrar soluciones óptimas es el
93.55% de las veces y el 6.45% restante, logra soluciones cercanas al óptimo,
soluciones que se encuentran en el peor de los casos menor al 5% por debajo del valor
óptimo; este comportamiento se debe a la competencia de los recursos con retornos
similares o cercanos.
Haciendo un análisis extensivo del comportamiento del software para problemas que
tienen mayor tamaño como: 10 fábricas, 10 recursos y 11alternativas en cada fábrica, lo
que hace un total de 25,937,424,601 combinaciones posibles por fábrica, el software
sigue mostrando resultados altamente satisfactorios.
Conclusiones
1. Se ha demostrado que la hipótesis planteada se cumple, es decir que la
metodología de los algoritmos genéticos resuelve el problema de asignación de
recursos con retornos tabulados cuando el vector de estados es
multidimensional.
2. El Algoritmo genético implementado es Robusto, el 93.55% de las veces
encuentra la solución óptima y el resto 6.45%, soluciones cercanas al óptimo
para los cuales los resultados son menos del 5% por debajo del valor óptimo.
3. Se construyó el software ARCAG con capacidad de resolver problemas de hasta
1000 recursos y 1000 Etapas o Fábricas.
4. El método de solución tradicional de la programación dinámica es inoperante
para resolver problemas como los planteados de asignación de recursos con
retornos tabulados cuando el vector de estados es multidimensional los
problemas.
5. La codificación utilizada cumple con el objetivo.
6. La implementación del elitismo trasmite potencial genético valioso a las
siguientes generaciones.
7. La soluciones proporcionadas por el algoritmo implementadas en ARCAG, son
más eficientes que las proporcionadas por la metodología de programación
dinámica.
Víctor M Albornoz S. victor.albornoz@ind.utfsm.cl
Los Resúmenes Extendidos deben ser enviados por correo electrónico a:
http://by8fd.bay8.hotmail.msn.com/cgi-bin/compose?
mailto=1&msg=MSG1053819880.72&start=182090&len=25758&src=&type=x&to=op
tima2003%40ind%2eutfsm
%2ecl&cc=&bcc=&subject=&body=&curmbox=F000000001&a=96ea322f9227763983
900ec16c14b149