Repaso Solemne 1 Optimizacion II

Heurístico:
 Heurística Codiciosa (Búsqueda Local)
 Vecindad Inmediata
 Vecindad Expandida

Metaheurísticos:
 Búsqueda Tabú
 Vecindad Expandida (Max/Min F(x))
 Secuenciación de tareas.
 Programación lineal entera.
 Recocido Simulado
 Vecindad Expandida (Max/Min F(x))
 Algoritmo Genético
 Vecindad Expandida (Max/Min F(x))

Heurística Codiciosa

 Cae en entrampamiento local.

 Solución inicial: Definida o aleatoria (R).
 Vecindades:
N ( x k )={ x k −1 , x k +1 }
N ( x k )={ x k −q , … , x k −1 , x k +1 , … , x k + q }
con q=4

N ( x k )={1, … , x k −1 , x k +1 , … , 8 }

 Examinar solución desde la vecindad (en base a un R, en base a algún criterio

F(x))
 Toma decisión
Búsqueda Tabú

 Incorpora lista tabú. (Permanencia tabú t)

 Acepta soluciones peores.
 Vecindades de Secuencias:
 Intercambiando pares sucesivos de tareas.
 Intercambio de pares implícitos de cada dos (o más) tareas.
 Intercambio aleatorio.
 Selección desde la vecindad
 Aleatoria
 Basado en el costo total (mínimo) de la secuencia Z(Sk)
 Termina según criterio de detención
 Número de iteraciones
 F(x) aceptable.

Recocido simulado

 Metaheurístico (puede aceptar soluciones más peores)

 Se define una temperatura inicial según:
T =r 0 · F (x 0)
 Se establece un plan de actualización de la temperatura.
 Numero de iteraciones (de aceptación o total)
 Evalúa la solución según la ecuación de Boltzmann
−∆
eT
Se acepta una solución peor, si y solo si:

Algoritmo Genético

 Las soluciones (cromosomas), son escritas según su código binario (genes).

 Se define una población inicial de tamaño N
 Se seleccionan 2 padres desde la población inicial (aleatorio, según aptitud F(x))
 Se genera descendencia a partir de los padres. (Cruce uniforme, cruce de 1 punto,
cruce de múltiples puntos)
 Se aplica regla de mutación (En caso de soluciones no factibles)
 Se reemplaza la población inicial con la descendencia.
Metaheurística aplicada a Programación Lineal Entera.

 Inicia desde la solución continua aproximada al entero mas cercano del

modelo.
 Por cada solución se calcula una medida de no factibilidad de la solución (I*) y
el valor de la función objetivo (Z*)
 El parámetro j* indica la posición de la variable a modificar.
 El parámetro k* indica el sentido en el que se modifica la solución
