Está en la página 1de 18

Representación del

conocimiento
METAHEURÍSTICA

Búsqueda secuencial por entornos

Procedimientos que actúan sobre poblaciones de soluciones,


evolucionando hacia generaciones de mayor calidad

Redes neuronales artificiales


Cuáles son las características que diferencian a la
Heurística de la Metaheurística?
1. Esta no requiere de Aprendizaje ni se basa en el uso de memoria.

2. Su uso es computacionalmente muy costoso o inviable a diferencia de la metaheurística que utiliza un

costo computacional razonable.

3. El método heurístico proporciona una buena solución inicial de partida

4. Asume suposiciones o aproximaciones para simplificar el problema lo que hace la solución no viable.

5. Las heurísticas dependen del problema determinado. Las metaheurísticas en cambio son independientes

de los problemas que se pueden aplicar a una amplia gama de problemas.


CARACTERÍSTICAS QUE DIFERENCIAN LA HEURÍSTICA DE LA
METAHEURÍSTICA
Heurística Metaheurística

● Estrategias generales de resolución


basadas en la experiencia previa con
● Centran su atención en el diseño de
problemas similares.
técnicas para orientar la
Se los utiliza para resolver problemas con las
construcciones de soluciones en las
siguientes características.
distintas heurísticas.
● No se conoce un método exacto para la
● Estrategias para diseñar o mejorar
resolución de un problema.
los métodos heurísticos para
● Se conoce un método de resolución pero
obtener un alto rendimiento.
su implementación computacional es
● Son reconocidas como las mejores
costoso.
aproximaciones para problemas de
● La utilización de un método heurístico es
optimización combinatoria.
mucho más flexible que un método
matemático.
Algoritmos de heurística
Algoritmos de Metaheurística
ALGORITMOS
GENÉTICOS

KFC
HISTORIA
John Henry Holland (1929-2015) inspirado en el modelo de
evolución biológica da a conocer los algoritmos genéticos en
los años 70.
Publica los “planes reproductivos” y “adaptativos” en un
intento por hacer que las computadoras aprendan imitando el
proceso de la evolución.

John H. Holland (1992): “Adaptation in Natural and


Artificial Systems”. The University of Michigan Press,
1992 ISBN 9780262275552 ,
https://ieeexplore.ieee.org/servlet/opac?bknumber=62
67401
Concepto

Los Algoritmos Genéticos (AGs) son métodos adaptativos que pueden


usarse para resolver problemas de búsqueda y optimización.
Están basados en el proceso genético de los organismos vivos. A lo largo
de las generaciones, las poblaciones evolucionan en la naturaleza de
acorde con los principios de la selección natural y la supervivencia de los
más fuertes, postulados por Darwin.
ELEMENTOS
• Selección

• Reproducción

• Cruce

• Mutación
ALGORITMO RECOCIDO
SIMULADO
Simula el comportamiento de
sistemas físicos simples sometidos a
un descenso paulatino y lento de su
temperatura, como en el caso de la
El algoritmo de RS puede producción de acero laminado o la
interpretarse como un proceso cristalización de azúcar en
iterativo en el cual se evalúa y se soluciones sobresaturadas.
decrementa de forma controlada
Es un algoritmo de aproximación a un parámetro de control. Es un
la solución óptima, fundado en una algoritmo de búsqueda
analogía con el comportamiento de metaheurística cuya meta es la
sistemas termodinámicos simples y aproximación del valor más óptimo
viene siendo utilizado en ciertos en un entorno con recursos
problemas de ingeniería. limitados o espacios de búsqueda
grandes
Creadores: Scott Kirkpatrick, C. Daniel Gelatt , Mario P. Vecchi
& Vlado Černý (1982-1985)

La idea original que dio lugar a la metaheurística denominada Recocido Simulado (RS), se encuentra en el Algoritmo
de Metrópolis. Este algoritmo se basa en la técnica de Montecarlo para generar una secuencia de estados del sólido
en su proceso de enfriamiento.

Publicaciones.
• Optimization by Simulated Annealing (American association for the advancement of science) – 1983
• Configuration space analysis of travelling salesman problems(Journal de Physique) - 1985
• Diseño e implementación de un algoritmo de tipo recocido simulado para el reconocimiento de rutas en tiempo
real.(Dspace Espol). - 2009
• Algoritmo de recocido simulado aplicado al problema de secuenciamiento regular(Dialnet). - 2013
• Ventajas • Desventajas

• Permite resolver problemas de • Requiere un número alto de


optimación. iteraciones.
• Límite de tiempo de ejecución • No garantiza que al finalizar haya
fijo. encontrado una solución óptima.
• Facilidad de implementación. • Búsqueda reducida en etapa
final.
Mecanismo De
• Representar el espacio de
solución
Transición • Valor inicial C

• Generar una nueva • Función de decremento


• Expresar la función de costo que solución(Simétrica)
represente adecuadamente el • Criterio de paro
costo de soluciones • Calcular diferencia de costo
• Longitud de las cadenas
• Toma decisión de aceptación
Representación Mecanismo De
Del Problema Enfriamiento
¿Antecedentes de la optimización
combinatoria?
La optimización Combinatoria proviene de la rama de las matemáticas aplicadas, relacionada con la
Investigación Operativa, la Teoría de Algoritmos y la teoría de la Complejidad Computacional, es
utilizada para resolver problemas, donde deben reducir el tamaño efectivo del espacio de las
soluciones, realizando una exploración del espacio de búsqueda mucho más eficiente mediante una
función objetivo.

Con el fin de facilitar los procesos se establece la optimización combinatoria, el cual permite
mediante un diseño realizar pequeñas simulaciones para tener resultados de buena calidad, se
pueden considerar dos tipos de algoritmos : Heurísticos e incluidos en estos los Metaheurísticos los
cuales hallan una solución, pero no aseguran que sea óptima y los exactos capaces de localizar la
solución óptima, donde la función objetivo alcanza su valor extremo.
Campos o áreas donde pueden utilizarse

Los algoritmos de optimización combinatoria a menudo son


implementados en lenguajes imperativos como C y C++ entre otros
softwares inteligentes en lenguajes de programación lógicos tales como
Prolog, o incluso en lenguajes multi-paradigma tales como Oz.
Áreas : En la informática
Campos: Teoría de algoritmos
Técnicas de optimización combinatoria
Los métodos o técnicas de optimización combinatoria se pueden clasificar de muchas maneras. Una de ellas permite
clasificar los métodos de resolución en 4 grandes grupos:

a) Algoritmos constructivos: Construyen la solución desde una solución incompleta, a partir de los datos del problema y el
conocimiento que del mismo se tiene.

b) Algoritmos de mejora Comienzan con una solución factible y completa al problema, y esta solución general es
modificada gradualmente de un modo progresivo.

c) Estrategias de "divide y vencerás" En esta estrategia se opta primero por dividir el problema en fragmentos a los que se
le aplica cualquier otra estrategia, recomponiendo finalmente la solución.

d) Estrategias de aprendizaje. Las estrategias de aprendizaje pasan por tomar decisiones, en función de datos conocidos
por el resultado de resoluciones anteriores o en la misma resolución.

También podría gustarte