Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TESIS
LIMA-PERÚ
2010
DEDICATORIA
Al tesoro más hermoso de mi vida, mi hija Mariana Odalís, por las horas que
dejé de dedicarle.
constante.
revisión.
presente trabajo.
trabajo de investigación.
ÍNDICE ............................................................................................................................................. 1
RESUMEN·-·-·-·····-··················-···-·-·-···-·-···-···-··-·-·······-················································· 1
INTRODUCClÓN ............................................................................................................................ 3
CAPlTUW l .................................................................................................................................... 6
CAPITULO II ................................................................................................................................. 13
CAPITUW DI ···············-················-··········-················································································ 45
METODOLOGÍA DE LA INVESTIGACIÓN .............................................................................. 45
CAPITULO IV................................................................................................................................ 54
CONCLUSIONES ..................................................................................................................... 69
RECOMENDACIONES............................................................................................................. 70
BffiLIOGRAFÍA -···-·················-···········-······-··-··············-···-···················-······························ 72
ANEXOS ......................................................................................................................................... 82
LISTA DE CUADROS
reactive.
1
DESCRIPTORES TEMATICOS
2
INTRODUCCIÓN
3
para maximizar la eficiencia de los programas más convenientes, orientados
algoritmos evaluados. Ello podrá servir como una herramienta que apoye a
4
presupuestales que dicha entidad dispone y lograr de manera óptima el
alcanzados.
los datos.
5
CAPITULO 1
PLANTEAMIENTO DE LA INVESTIGACIÓN
presupuesto de apertura a cada distrito del país (PIA), para que estos
1
Ministerio de Economía y Finanzas
6
beneficio posible de la inversión, originando ello un problema. Este
problem.
interrogante principal:
7
lugar, los cuales permitan una óptima ejecución de los proyectos de
infraestructura en el Perú?
algoritmos?.
8
• Determinar las mejoras en la distribución de los recursos a
asignación presupuestaria.
económica en el Perú.
9
• La implementación del algoritmo GRASP reactive mejora
mayor beneficio para los sectores más necesitados del país y pueda
10
Se propondrá una mejora en los criterios existentes y actualmente
1.5.2 JUSTIFICACIÓN
económica en el país.
11
sociales como Construyendo Perú, Programa de Caminos Rurales,
1.5.3 DELIMITACIÓN
2
Ministerio de la Mujer y Desarrollo Social
3
Organismos no Gubernamentales
12
CAPITULO 11
MARCO TEORICO
2.1 ANTECEDENTES
cumplido con sus objetivos, pero siempre queda pendiente el tema del
13
Estas y muchas otras interrogantes que nos hacemos en torno al impacto,
• Línea de inversión
Según [INS 99], " ... El proceso de focalización que realiza FONCODES,
4
Fondo Nacional de Cooperación y Desarrollo Social
14
y el Censo de Talla Escolar del mismo año. Con esta información censal,
priorizar entre /os proyectos que son solicitados por la población bajo un
15
identificaron en [INS 97) y evaluaron en [INS 99) en el área de
comunicación, etc.
localidad y familias que merecían ser evaluadas con atención, por los
16
Fueron estos los motivos prioritarios por los que Electre IV, fue
inadecuada.
2.2.1 PROYECTO
17
aplicación de conocimientos, habilidades, herramientas y técnicas a /as
afectada.
5 PMI: Project Management lnstitute, Guía de los fundamentos de gestión de proyectos- PMBOK.
18
2.2.3 PROYECTOS DE INFRAESTRUCTURA SOCIAL
19
2.2.5 OPTIMIZACIÓN COMBINATORIA
importantes.
20
Los problemas combinatorios son modelos enormes pero muy
estructurados.
medicina, etc. Sin embargo, muchos de estos problemas son muy difíciles
de resolver en la práctica.
21
Se tiene una determinada instancia de KP con un conjunto de objetos N,
excede a C.
cabe en una mochila de una capacidad determinada [NOG 05], [MAR 05].
de utilidad, pero que no exceda un límite de peso y tiene que elegir entre un
caso contrario.
22
2.2.7 ALGORITMO
Algoritmo (del latín, dixit algorithmus y éste a su vez del matemático persa
forma de comparar una solución algorítmica con otra, para conocer cómo
problemas "grandes".
23
La complejidad algorítmica es una métrica teórica, que se aplica a los
entendible.
• Por su naturaleza
24
o Intratables: Problemas que admiten solución y para los cuales
complejidad polinomial.
indagación
definido.
• Por su tratabilidad
25
cuya búsqueda en el espacio de soluciones es realizada en un
exponencial.
NP:2P
NP-difícil
P vs NP
rápidamente.
rápidamente.
NP-Difícil
26
Métodos Exactos: Encuentra una solución exacta (óptima) y
2.2.8 HEURÍSTICA
"encontrar" o "descubrir''.
Las heurísticas son herramientas, que durante los últimos años han sido
variedad de problemas.
Inteligencia Artificial.
óptima. En algunos casos, ni siquiera puede determinar qué tan cerca del
Dice [MEL 03], que "Se habla de heurística para referirse a una técnica,
27
procedimiento que trata de aportar soluciones a un problema con un buen
empleados".
• Goloso- Miope
• Descomposición
• Relajación
• Goloso - Robusto
• Región de confianza
• Proyectiva
28
2.2.8.1 HEURÍSTICA GOLOSO - MIOPE
específico.
inmediatas.
29
Goloso o Voraz (Greedy): Porque considera la mejor de las alternativas
locales.
significa "más allá" o "un nivel superior''. Las meta heurísticas son
búsqueda tabú de Fred Glover en 1986 [GLO 86], y desde entonces han
30
Permiten generalizar los procedimientos de búsqueda heurística,
basa en un conjunto de ideas intuitivas, que sin ser rigurosas, pueden ser
heurísticos.
31
Búsqueda Local
consiste en lo siguiente:
una estructura de vecindad N(x) e X tal que cada solución x'e N(x) puede
la solución actual.
CriteroParada +--Falso
Mientras (no se satisfaga CriterioParada) hacer
x ·= arg m in {f (y) : y e N (x)}
si (f (x') < f (x)) entonces
X+-X
En otro caso
CriterioParada +- cierto
fin si
fin mientras
32
Algoritmo Voraz
1 Algoritmo voraz
Según [MEL 03] estos tipos se establecen, en primer lugar, en función del
fundamentales son:
33
> Meta heurísticas de relajación: Una relajación de un problema es un
34
> Simulate Annealing (Recocido simulado), primeros trabajos 1953,
1983.
> Redes neuronales, primeras ideas en los años 60, que resurgieron en
los años 80.
reactive.
1 Algoritmo GRASP
35
El GRASP es un procedimiento iterativo, donde cada paso consiste en
viene determinada por una función greedy. Esta función mide el beneficio
iteración actual.
lista con los mejores candidatos, de entre los que se toma uno al azar.
36
Al igual que ocurre en muchos métodos deterministas. las soluciones
37
Mientras que el criterio goloso, voraz o adaptativo permitía seleccionar
siguiente:
del problema.
38
Los métodos GRASP fueron desarrollados al final de los 80 con el objetivo
general.
importantes:
03]
• . Una solución
• Óptimo local
• Varias soluciones
39
• Evitan el Óptimo local
GRASP.
otros.
40
• Construcción inteligente: memoria y aprendizaje (lntelligent
En el esquema de GRASP reactive o GRASP reactivo, sea 1/J = {a1 ,.... am}
el conjunto de valores posibles para a. Las probabilidades asociadas con
41
adecuados. Las probabilidades asociadas con estos valores más
En lugar de utilizar un valor fijo para el parámetro o., que determina que
42
conduciendo eventualmente a la construcción de las diferentes soluciones
1, ......• m.
43
·."!
44
CAPITULO 111
METODOLOGÍA DE LA INVESTIGACIÓN
45
• Recopilación bibliográfica de información relacionada con los criterios
•
• Implementación y adecuación del algoritmo GRASP reactive con las
46
• Ejecución de pruebas y experimentos computaciones para luego
Para el estudio se cuenta con la base de datos de los años 2008 y 2009,
los proyectos.
47
3.4 VARIABLES E INDICADORES
Falta de agua
Necesidades Bésicas
Falta de energía eléctrica
48
Insatisfechas Falta desagüe
Falta infraestructura educativa
Falta infraestructura vial
Falta infraestructura de salud
REGULAR
Nivel de pobreza
POBRE
MUY POBRE
POBREZA EXTREMA
49
social POSTAS MEDICAS O CENTROS
SALUD
DE SALUD
AGUA POTABLE
SANEAMIENTO
ALCANTARILLADO
Básicas Insatisfechas.
NECESIDADES BASICAS
FACTOR
INSATISFECHAS
Falta 1 necesidad 0.1
Falta 2 necesidades 0.2
Falta 3 necesidades 0.3
Falta 4 necesidades 0.4
Falta 5 necesidades 0.5
50
J Falta 6 necesidades o.s¡
• Factor de Nivel de Pobreza (FNPi): Esta variable otorga al proyecto "j",
siguiente:
REGULAR 0.1
POBRE 0.2
MUY POBRE 0.3
POBREZA EXTREMA 0.4
por el tipo del Proyecto "j", según el tipo de obra o línea específica de
51
Cuadro W 10: Factor de Tipo de Proyecto.
52
Es necesario señalar que los beneficiarios directos representan la
proyecto.
53
CAPITULO IV
actividades:
necesidades el valor será 0.1, si son dos el valor del factor será 0.2 y así
54
No. 08 de Factor de necesidades básicas insatisfechas del acápite 3.4.
algoritmo.
variable.
• Se calcula el factor de costo del proyecto, el cual viene a ser la relación que
55
decir, se favorece a aquellos proyectos de menor costo y de mayor número
de habitantes.
estableciéndose P1, P2, P3 .... Pn. ítem 9 del pseudocódigo del algoritmo
56
Finalmente del grupo mayor del 75% al 100% del total de los proyectos
• Se obtiene el factor total (Ft), este factor se calcula para cada proyecto y es
57
• Se obtiene el valor RCL (lista de candidatos) para la primera iteración. A la
• El costo del proyecto seleccionado se suma con el costo total. ítem 39 del
todos los proyectos estén evaluados y hayan pasado o no, a ser parte del
58
• Obtenemos el A; que es el promedio de las utilidades sociales encontradas
algoritmo.
algoritmo.
1. Iniciar:
59
10. Mientras cantidad CB :s; 25% hacer
13. FCB;=0.4
17. i = k1+1 to kz
18. FCB;=0.3
3m
21. KJ= Entero-
4
22. i = kz+1 to k3
23. FCB;=0.2
26. i = kJ+1 to m
27. FCB;=0.1
60
34. US := maxi <1 { uj }
38.
39.
40. lf e + 0 s PP ::::> s := s v { ik };
41. J := J- {k}
46. p.= q¡
' Lj=t. .. k qi
4.2 RESULTADOS
resultados:
61
factores mencionados en el capítulo 111 3.4 Variables e indicadores. Al ejecutar
presupuesto asignado de S/.3 400 000 (tres millones cuatrocientos mil) nuevos
62
Cuadro 11. Resultados de los proyectos presentados en el departamento de Lima año 2008. Caso 1.
-· ..
UtiRdad Costo total Proyectos a ejecutarse
Alaoribno Iteraciones Alpha Social a invertir 1
63
Caso 2: Se evaluaron los proyectos presentados en el departamento de Lima,
millón cien mil) nuevos soles, se obtuvieron las tablas de resultados que se
12.
64
---~-~-- ----~
presupuesto asignado de S/.3 400 000 (tres millones cuatrocientos mil) nuevos
soles.
nuevos soles, nos muestra una utilidad social de S/.13 261.02 nuevos soles,
costo total invertido en los proyectos seleccionados de S/. 3 374 652 nuevos
nos muestra una utilidad social de S/. 13 261.017 nuevos soles, costo total
invertido en los proyectos seleccionados de S/. 3 374 652 nuevos soles, con
65
un total de 17 proyectos, tal como se puede apreciar en el cuadro W 11. Así
asignado.
es S/. 13 871.595 nuevos soles, con un costo total utilizado en los proyectos
66
revertir el dinero al estado, si el monto de la ejecución es menor, situación
consideración el presupuesto asignado de S/.1 100 000 (un millón cien mil)
nuevos soles.
presupuesto asignado de S/.1 100 000 (un millón cien mil) nuevos soles.,
nos muestra una utilidad social de S/.4725.64 nuevos soles, costo total
invertido en los proyectos seleccionados de S/. 1 053 914 nuevos soles, con
asignado.
nos muestra una utilidad social de S/. 5018.85 nuevos soles, costo total
invertido en los proyectos seleccionados de S/. 1 080 662 nuevos soles, con
obtenidos con el valor de alpha de 0.5. Las tres soluciones han llegado al
67
que la utilidad y el costo no tienen buenos resultados. De la diferencia del
es de S/. 4575.95 nuevos soles, con un costo total utilizado en los proyectos
total asignado, se tiene una diferencia de S/.15 753 nuevos soles, es decir,
68
CONCLUSIONES Y RECOMENDACIONES
CONCLUSIONES
3. Los resultados del algoritmo nos mostrarán los proyectos que deben
69
6. Se cuenta con una mayor y mejor capacidad de gasto, puesto que se utiliza
8. El GRASP reactive no tiene una única solución, sino que en cada iteración
de la localidad.
RECOMENDACIONES
70
sociales que se utiliza para la determinación de los factores que inciden en
meta heurísticos.
proyecto.
71
BIBLIOGRAFÍA
2. [ALV 04] Alvarez-Valdez R.; Parreño F.; Tamarit J. A GRASP algorithm for
!he Strip Packing Problem. En: Computers & Operations Research, Vol. 35,
4. [APO 09] Aponte Penagos, Andrés Felipe; Rosas Castro, Paula Alejandra.
6. [ARR 04] Dalessandro. Vianna; Claudio Arroyo, José Elias. GRASP based
72
8. [BLU 03] Blum, Christian; Roli, Andrea. Metaheuristics in Combinatoria!
10. [BRI 04] Brito Santana, Julio; Campos Rodríguez, Clara; García López,
Félix; García Torres, Miguel; Melián Bautista, Belén; Moreno Pérez, José;
2004.
11. [CEB 06] Cebrian, Manuel; Dotú, lván. GRASP-Evolution for Constraint
Fevereiro 2002.
73
15. [COM 04] Commander, Clayton; Butenko, Sergiy; Parda los, Panes. A
18. [DEL 99] Delmaire, Hugues; Diaz, Juan; Fernandez, Elena. Reactive
GRASP and tabu search based heuristics for the single source capacitated
plant location problema. En: INFOR. Volumen 37, Número 3, Agosto 1999.
19. [DEN 10] Deng, Yumin; Bard, Jonathan F. A reactive GRASP with path
Abril2000.
74
22. [FEO 95] Feo Thomas A.; Resende Mauricio. Greedy Randomized Adaptive
109-133.
23. [FES 09] Festa, Paola; Resende, Mauricio. Effective Application of GRASP.
24. [FES 10] Festa, Paola; Resende, Mauricio. Hybrid GRASP Heuristics. AT&T
25. [FEST 10] Festa, Paola; Resende, Mauricio. GRASP: Basic Components
26. [FRA 04] Francke, Pedro; Espino, Juan Pedro. Los Programas de inversión
27. [GAR 79] Garey, M. R.; Jonson, D. S. Computers and lntractability: A Guide
28. [GLO 86] Glover, F. Future paths for integer programming and links to
1986.
29. [GOM] Gómez, Oiga; Casado, Silvia; Núñez, Laura; Pacheco, Joaquín.
75
30. [GOM 01] Gomes, Fernando; Pardales, Panes; Olivera, Carlos; Resende,
31. [HEP 07] Hepdogan, Seyhun; Moraga, Reinaldo; DePuy, Gail; Whitehouse,
32. [HOL 75] Holland, John H. Adaptation in Natural and Artificial Systems.
33. [INS 97] Instituto Apoyo, Cuarta evaluación ex post de los proyectos de
FONCODES. Lima. Marzo 1997.
34. [INS 99] Instituto Apoyo, Quinta evaluación ex post de los proyectos de
FONCODES. Lima. Marzo 1999.
35. [KAF 06] Kafka Kiener, Folke. Evaluación Estratégica de Proyectos de
Inversión. Universidad del Pacífico. Lima 2006.
36. [LIN 04] Lineamientos Generales para la Gestión Descentralizada de los
Programas Sociales de lucha contra la pobreza transferidos a los Gobiernos
Locales. MI MDES Ministerio de la Mujer y Desarrollo. Perú. Agosto 2004.
37. [MAC 02] Machado Aiex, Renata. Urna lnvestigac;:áo Experimental da
38. [MAR 03] Martí R.; Moreno-Vega M. Métodos multi-arranque. Una visión
76
39. [MAR 05] Marti Cunquero, Rafael. Algoritmos Heurísticos en Optimización
2005.
40. [MAT 09] Mateus, Geraldo; Resende, Mauricio; Silva, Ricardo. GRASP:
41. [MAU 04] Mauricio, David. Complejidad de Problemas. (17 diapositivas] En:
42. [MEL 03] Melián, Belén; Moreno Pérez, José; Moreno Vega, Marcos. Meta
2003.
44. [MIC 00] Michalewicz, Z.; Fogel, D.B. How to Solve lt: Modern Heuristics.
77
45. [NI N 96] Nina, Osvaldo; Rubio Mónica. Bolivia: Desempeño Económico y
46. [OSM 96] Osman, l. H.; Nelly, J.P. Meta-heuristics: Theory and Applicatios.
47. [PAR 01] Parodi T. Carlos. El lenguaje de los proyectos. En: Gerencia
48. [PAR 03] Parada Chávez, María; Sarquis Bojalil, María. Metodología para la
49. [PAR 04] Parreño Torres, Francisco. Algoritmos Heurísticos y Exactos para
50. [PER 05] Pérez Serrano, Gloria. Elaboración de Proyectos Sociales, casos
prácticos. Editorial Nancea. Madrid. 2005
51. [PIS 95] Pisinger, David. Algorithms for Knapsack Problems. Tesis PH. D.
78
53. [PLA 10] Plan Operativo Anual 201 O - FONCODES (Fondo Nacional de
54. [PON 03] Ponce, J.; Solís, G.; Ulfe, L. Metaheurísticas. En: Foro Virtual de
55. [PRA 00] Prais, Marcelo; Ribeiro, Celso. Reactive GRASP: An Application
56. [RAM 05] Ramírez Cuevas, Cynthia. Análisis de dos métodos de búsqueda
57. [RAM 06] Ramírez Rodríguez, César. Un Algoritmos GRASP con doble
58. [RES 02] Resende, Mauricio; Ribeiro Celso. Greedy Randomized Adaptive
59. [RES 03] Resende, Mauricio; González Velarde, José. GRASP: Greedy
61-76.
60.[RES 08] Resende, Mauricio; Ribeiro Celso. GRASP. En: AT&T Labs
79
61. [RESE 08] Resende, Mauricio. Metaheuristics Hybridization with GRASP.
62. [RES 09] Resende, Mauricio; Silva, Ricardo. GRASP: Greedy Randomized
2009.
64. [RES 94] Resende Mauricio; Feo Thomas A A GRASP for Satisfiability En:
66. [ROB 05] Robledo Amoza, Franco. GRASP heuristics for Wide Area
67. [ROM 96] Romero, Carlos. Análisis de las decisiones Multicriterio. Gráficas
68. [TES 07] Tesliuc, Cornelia Mihaela; Walker, lan. Propuesta de solución
80
pobres?. Banco Internacional de Reconstrucción y Fomento /Banco
Mundial. 2007.
69. [TOR 07] Torres Sánchez, Fernando Arturo. Um algoritmo GRASP cpn
70. [TUP 05] Tupia, Manuel. Un algoritmo GRASP para resolver el problema de
71. [VAS 06] Vásquez Huamán, Enrique. Programas sociales ¿de lucha contra
72. [VOS 99] Voss, S.; Martello, S.; Osman, l. H.; Roucairol, C. Meta-Heuristics:
73. [ZAM 07] Zamudio, Juan José. Adaptación del algoritmo GRASP en el
81
ANEXOS
económica.
82
Anexo N° 02
85
86
87
88
Resultados con algoritmo Meta heurístico GRASP reactive (CASO 1)
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
Anexo N° 04
124
125
126
127
128
Resultados con algoritmo Meta heurístico GRASP reactive (CASO 2)
129
130
131
132
133
134
•135
•
136
137
138
139
140
141
142
143
144
145
146
Cálculo para el reactive (CASO 2)
147
148
Anexo N° 05
Lista de grupos
+
•
-
!"'""CJI
"'"''"
"""""'
""""'
""""'
"'
(!
"""n •
"""""' '"""'"" (>' ..
""""" """"' IJf ~D
•
Ingreso de grupos: Se registra un nuevo grupo da~do click en el icono+
1 ,.......,..,_, ~iF="='""="=uc='""'=================":"-1--~-
Al registrar exitosamente muestra
r.tatlb!nlmfftnto de P~
~
' 1
---
-'!/
OF.ettadlo~ 0
~
•
Ftllta frfniMtnlcUIIID!utMI
OFIIII!Ide~etkmcaMJ 0feiD~'IIZII
Oreru.~ Orn~cte.....,
i
! o
-·
1
·-,;;¡;;;;
;~
1 o.•
o
149
El código se auto genera
:l<-J<-...
~~
=-=-=:
"-'C:>.!.~
·~
~'<1;:1.0"~
•<YA~JI:"'
~·-.-···~,..
~"UAA
....
:ou~
...
>tJAI<'J'...C
_..,.....
IA~I!Eiilo;)
.............~,'""'
=_,
""-"<:!:O'!::o::-s
..=
HJ~Jo.
~
·=
S&~l"""''
TI\:""'
TJ..... S
u~•v"'J
Se selecciona la provincia
¡ ! < - - ..... - ! .":
"""e""e~
"-'l:>'<~'ft
~-w~
~----""·
'f;M_'f:&:<'El,J:&
"".J.'.Yl.O..~·
l•Y~
150
Se ingresa el costo, total de habitantes beneficiarios.
: ~-w::>
e ez:r.:...:·-~:::.:...c~c9m;::-:D:'c-:.!.':~
: r-~::~·: ..·;-o
e f,'";l,"'•"Y.•.':''-E
• '-1.~-:r,-,<:..u-.::
o •"'t:;,)C::': .' .. T-~::1
• L~<..c::c:-:·.~:=.....r:
···.:.Et<::::;:·~·
- "';":'~=:--:=
" :~-.:~:;:;::::e· '.EJ.lh:.lrl{-~
• f;co::y~--,
; t-;;.:J¡ <::; .·-~,-J
• ,,_::t-,T~ .... m:h:::.::;;;n,¡.;c.~.-.!::.
e ·.<.o;. e¡¡:·~¡.:~ ~.,...lJ:;
: f ·':\"uo::r.,;:.:;~:: :::
Una vez finalizado se guardan los valores registrados ingresados en el ícono c=::::J y
r .
muestra mensaje : ¡
l_\ ·: ·:":'"· ,.,. y se presiona clic en el ícono salir t "';:~.-:-~:
De esa manera registramos toda la cantidad de proyectos que queremos evaluar la
priorización y selección.
151
+E 1{. 1 1 ,; AMI. .! 1 M-=-W!I!LWIE!W
-- ,(;()IJJT'l\.ICOOtiOEl.PV[J/'TI'~l«EUACVIDETioi!I.IC\Y<O.~ODI"~C..·Q"íOtkM'.
.,
¡-¡7 •
•l
i
-
1 ~-
coriS-t~TE~n!:Jm:tJ'Ui.n0~~-DinmoDEhn~OErUJl.~.
., ••
1
~
-~ ,, ------ ---- - ~ ----. <~-- -- -~ --,. -~-.
..,._,
·-----+
DIOOOCM
--~
¡~I'!XtJJE~m
C"''~OC~.OOIOJRJ,i<!L.!OIIl
-·--··-.-
- -· -·-· -.. . ",., • .
-
----- - r- - -T-~r··
~
_, ----~~T...,IC';.WW>.U4fCOHITI
----------- ~---___¡_ ., .
., •
.
CIIPILDE IWCOTOUI <C.ii.ICCWIITI
c-- -t··-
• ., T•
·,:u..osll"li!:MYCFAC:O~~ ;;;t
ooaooou
.
I'OST~ecl/Clii!JE'«< ~Y..a.oc:HOICOitl)
OIOXID:s__ r~~~~~,~~~~~~----~
D0000017 .-rr&MOE~IOOT'AEP~ILEJ YoU'\.1
------ 'l!.l.~-
.,
....,, 1c~w.c;.,-:-~ICO'ctJ -r"'·r·- .,
En la parte superior encontramos los botones IE\ZIW*\1 "" *y seleccionamos el
botón de la evaluación con el algoritmo que queremos realizar
CONSI.I.TA GOLOSO-MOPE
i
-·e=:::::;::~ .::::::.~~e~:~~
¡1
.
_:=
;~-
fs'inm:u, RIII!Ol UH ~IAIICI!A•Co\U'A(IXIIOn) -~~~~~~-if~ :;..,Qml ¡JIIirl¡
u.n
:::--:{:-==~~e::'~~--
rnl17 lGXIJ ta.lW;Jllll
,1!11_,. ¡jom rclllln 1.-m•
• OOlXOll cma "" TR'JCIIo\~~14lDlA.(IX;ftn)-A ':.'-~,~--~
¡;-~_-DOI 'H;I ~~tu_,..,.I:.YAIIIJCo!.YA,BnJÍrn>Ol ,D.-ei~-.CUDC!ll
~:=
,J!I (l'ti)XI11.
-S:u·
nu
::--=.=:~-~~ ~
11" 1'1:02WUAetMII'NII:Iml.tiXIIml·A
___ . _. -- ... t:~= ~DI, mru
152
.·=
-l:IK~Xitm
"""'
;.~
m~
•m -~;wm~~
'"'
inn:llww.VJ:AIUI.A _,.
~--
'1l11ii:f~
'mli)S son
......
Ii!IJX!XIIol ~~
nm '"'
'"'
~tcMJIJAJIOTI\tUc.o.&.\lfOO~)-A
"l.Oe.u«*UJ(ALDI.a.tA.IICATA ~¡
'
:loH!IjJ
..... ·-
i%IJ:I.C
'DHIDI\.4t'IU
·-
".,.,. ·-
":uto:nxJl¡
m
*M
•w
~-·"
'"'
om
<:AIIAI.Dtfll'CW:m.o\DITL\OCIXf!)•"
::ll.nDLAI:eiDJAPOTAIU.r~I)RI TAICPL)
;rniMll.m%1:11 t.l.CA!ffllfinU.DO.AJI a DEI!JUO-A
m
llii!'JO:I:II,..
ICOXIÍJIJUUIII~
·-
·~
.,
'"'
'"' '"'
•m Jt.Oc.o.Lilt!J:'J»MJÍlY\.I:iliWIPAflOIOT)
~rtu:mNUACF.ICU(AIOI.JIIOJII)-~
"':C-'-~pg(110~
- ~ ~
... -
., :=
:.o.,- !llln!
-- .... ---
__ a___
.....
·~ ~-;.;·;..- ·.-;;;;-~
-' -
91 ~
..,., ...
_.. _·--
.... ,............ ¡t.,;,¡¡,;;;;.;., ··- -
... - - ..
~
.:.:·~-.A· ~·-a~~-~-.!~~·-· ... ,.. ~-'1
- - ;---'---;IIIIIIB~
-r- '
J
1
111111111
Ingresamos el valor de alpha, el presupuesto con el que se cuenta y la cantidad de
iteraciones a realizar.
153
-·fs__ =-==::-- ~
---~--------
_r.c_. . ..,.,_,
·-
·- --
··-
,...,,
·~-
,¡,.,...,,,..,_...
... ..,.,_n_ CU&Llt!IIFD>tllllA-.."""""''
.,..,., ....., ,.,_., '""""1
.,.m,,.,_,.,,,,...,,
....,..,,.,,.._"'""'"1
"'""""·""-;
,_
·-
·- ··-
''!'M*""-
~- '"',:,-;:"
~-:;.::--
~~""""'""".__,.,_~
..... ..
_,.., -,:.;: .. ..._..,_..,._,__
~ --, ___
,,.,... .,.,.-- .....,, i
.,....._.,
'
,_,_ ----
..
-
,,_. -~
·- -.,_,
..
~-
,.,_,., "';:;;;,•~ """... "'~""""".--' ....l·•
JI>O=,"';;;;;.•N
J0\217•
JOI.m
-00>0-T<l=.. ('>)ltOr-11)0)•>
,. ___
__ Wltl.,.....,¡
...
. ..,.....,......_.__,_......
-""""'
,,..,
::;:;.·-
rumt>2S&Lit!>O<m. . . ,<tllm
"".:;:;;,•- __.,,....,,_,.,__..
:t!ll::;;.·~ """-~"""""""'"'-·
--
.."'"""""''·"'
"'"".,.. . ,...
, '"'"" ""':::~•,:- I'I!I:JOblll.>UCO."niU·1
-···"'
nonum:m"' ,.,,., ,.::;_:;.··· .,.__,..._.I'<I!JITI~
·- i!H'' ,...., ,,.:;_:;.•-II'!QIIdo""""-'l:t<mooo•......,......,....,,,.,,.,
,...., -n:;;.•·· :S":""'~-="""w.mt.""'"""""""
""""" ''"::.::- _, ...............=,-·
..... "":::::.··· :-"""':'-.:...~~~····m>k ........_,_,,.
,...., ,..:::.·- ................ ..,.,.....u-_,_~-·
""'"" '"':;;;.••· .m=u•<"'"""T~"""""·ntTA=<-•
"'""·""';::,-;.••· .,..,..,,.....,..,..,,.cnm..o. .•
J:l- , . . ,. ., . ··:;:;.•y """"'".:;....,...,....
~ cmtmlO ,,..., "'' , ...... '":;::;:- """'ALl)!:W14I>Jl....-ru.(llbl!_).A
...__,~, .•
,.. ¡,.,;,
-
.. - . · -
.. .......
10UPI
....,. ,..::;,-..- -.
,.;,.,. ...;;:_;,·- - - = - . ............ ~.~
t•::;.,•~ II.Oa<._..r.c..-.-:.u~
~-;,..._..,_ .
""""""" '"' . .,_,. "~:;,:"- _,..tmt:f.&L<.\rT4nU--U":>-u.am:...., ••
.,~;,f• i.ow.o•--T<I'Ul"'-A~J
""'"'-
''~;;,·- ~~=···.........,.,-·
6).. "" 6-1~;;,·~ ro<I"A"""""""""''YoCIDKitmtm
...
~:;;,:- -. ---~·
-"'::!,-;.::-..,.--·'n"""'•""""'J
.,..,,_,
:::::: ·=¡i
...,,,. ,.,..,.,,.,.,,...,
·-)
...._._
~:,;;.-
....... .... ,.,. ...,....
.,
·~""'""' Attui!Zit""""'O>lOC)t>O¡~ ~
,,.,_.,_
""'""" ................._.,,.,...
'""""""''"'_.,. """"" ...
_.,.,..... ,,.. ,,..,.
""'·-~~
'""""''""'"'" •w~
-,.,...
.·-'"''-""
154
X .. j •
• IJ •
E.• ~·.6,·
,,; .. • .......
IF • • • •
--::J-·-·
~---
t!J'·,.. '\Z.,
·---
COHS\l.TAGRASP.fU:ACTl\IE
'c.-·~-'=======
-·l
r ~-;;..__:]"~==;::;:::J
] ........--
CONSUlTA GRASP.ftEACTIVE
,_
'_,e.·~-
.,.,.
-
,.,
Ufl
-~
mmo~-u-
!m~ ::a:tllti<•V-
~~
·~
·- "" ,_
~~
~~
~-
moo-v-
--
~~
m.oo-;.;, ..
·-
'or.mrrloO;nn• om
:uun•-v-
·-
•~m =~
"" ·~-
mm4;;11'.;..
;m-
l:ln...,.'
t«aD:J:D:I:IJ'IJII4;
""
'H3
,_ 1:107-
mmo.;.u ..
' ¡
llllmll un.- ~
·~-
,_ -m--u-
,.,_ IJIP..
__11_-;;
~~~¡U17AI f U'l ',~ XD-1001
'
11 CI:IXOII · Jllil.l$0
,_ 1)1'1....
'
om
' $\fl
=-
,.-
U!mt•ll•
""~
m.CDOI•ll• c.t u"" uror:rucmrn J. •
' ·~-
mm.o-11-
;·;;;- """'
I'OXIOXI:J7'1JI',ftll.
.
·--- "" ·~~
"~
..,,.,
~
..,_ ,,.,_
-,.,_.. ¡
~
·~
~,;-·,~;:.-..
=- mmo-u•
·~-
,_
m~~t~<-u-
CUIIJ. DE.II!:DI).&CUUIU(l~Dt)lt,J
~! IQU!J'.uati!TOilll.~DCwJ:D,Illn'Wl'ODI:
·~-
~ =~
"" moo-•..;
:=&nuC!Oliii:TU:u-lll.laiDCIIDJ-~
~~~.&JilD't'ODD.IV!rn)r!C:w,JAOISTlUiQm:~.
'
""
•m
=~
·~-
m--•~
.AJm:ZS re T1II'ICOC:Il&. ~-UIU
lt «..XXXXID
'""·"' =~
·~-
155
1t oc:o::aa~ · z'"-. ~.~n :J:UJDI =,~:;.:- ..J.ot..U.t.II":J'Jl11001tQ!.t.:HllOif"'T,-caJn
SO:Jtl.;;.U~
N-
~-~~
~
IICUIC1••-
-
ft-
.,lu-•-
C~~DX~::ta.ca:ax:n.OOtrO;!».UIJX!D.-«uD;tno~
' -1 • 1111"-~ --.-J,a:;lllm)OC.-1-~--- o.J;Il1"'"' ... ollln
-."·i;_·- ~~-
-
11Dil1)1..D:oDl'Jl,llU:IlDI.UIIJ;DO.....w7---rm:mD.
,.:;;:. ·..:.. ' - " ' DttD
--~-a.oor:o:mt-flkiXIll .. IXIIDil!~I;ICIOII;I»).
_ _ ll:lti:J:J!m,....__IIOI'IJXI:IO._
---.--
.
--caata:n--IIJNIJnS.OUilCl).~
---~-~~
-=---~
-.u.~------
--...:rmlS-~1-CIIDDlf.(M'm)l.~~
,..,_,lln'/.0-
- ...
,._, .
·.....,..,
--------~
canxll:l-«mlll:l-atrmn.
~lllltliXQt.-~-..-~--CIOI!I:ImO
.:mrD¡I. IIXlmJI.ct::nnm. o:tDXDo- ClUn:!;l::l. cmo>DJ. IJftmll. llnii'Wll.H:!I IIIIZXI
---·
<¡::;:,.. ~
IX'IIUlll~
IXInlll iDMCR
-~
---
---
-~
--IIUD:'a--6-U<IXDO:).IIIJ:tllla.<nriM>--:0.
IIIICII:I<ICDl·o:li:I:IXD·IDI::OCIZI·IIJ:IIll:l:m.--CDDXI)O.-·
--(Qf(II)JI·-'"--*·fll:lliXOU.-·
........ ~---
'
llU1DIII.lmO~
IZICII.SIDJ..,. IIIZID
---
, . : : :.. ' - · - h l l
.... 11 •
-~ =·~-~~-~~====
---
CICI!M'I ... carn::'!t-CI:liJtllU.II':mi'IJI.III<rrlla---flm!'lDI.<
----OII'I'IXI,l').~IJ:IXm:n.
-·~
~IXIXOII.ImDII"'·-«r:::XJ::l.--tll:llalls.
crt:DJD.trDDm..-.cnnmo.11Dr011-~""~ 1%'111.1 . . 1mtl......
lll·-·-..,.,
--CIX!II:Illt-~IIIIXI:llft.IXJ:Jli:IN.
- ..,_
......-QX:IDJ:II-.wemo.~_...._IUII:II!On--
-1-0Xl'IIOO-IOI'!IlOIII---CIIllii:II:Cil-~OII:QIZ.
...........:.nr>-..-.--.-..nm:o.-
~lltiUIJIII-IJ;IiUXIIO.
_ .. __,_III:IIICIDIS.-n.-
(;,;.,~. 1 •
1 ._,
F-'--"'' ....-
l' .... M r.
•
----~~a.:Jm, ---
""""""'·.........,.~~..-.~
-~
O!Dmll-cmomt.IID>m!.IIIIDr)>O.(ll····. . - -
~~ua:wrn--.-.~CI:lllQI:Z.
...........
nmJm - •
~--- ' IUIClml- IIDI:I:In- CDXl'D07.
~omxliZO-IIlXUUII-~--IIXII:I'm).
~~ • ..;..
,_. !Xll!lflll moHI: -OIBXICilJ.fDJIWI'lli·~--~-Ullllr.IID-
~=
lllftriiO<.-.III'ID'!IIl--f.-ln'!:IDIJ,IOI'!IlOIJ.
11!211901 1-llmH
_......,.... ......,.,......,_
--~--~-~··00100611·
~~
-·
-.ar:tmYJ.IIIIOD'nl-u:t:DJ:Oa.-CIJ;D:OIJ.~
,_.,,.U.
' ------..--.--.~
-----------
IKlülll ~
--
..-.-J.DX~m~t-
---~------·~
~-~~~'.
,_.,...,:.u-
~-----~~
.. _
-~~!lnlJXI).IUOI:JI»,_
--
D:lll:l:l ... CUIUlJLoru:cmJ.mrtmJ..mDI'In-mzrmt..!Dmln-
-....cn.~ctO:IlCJ!J,.---_,.IlW:l!J).
,._:n ; .
w..:... .. - ...,.
---------CCIIIXI::)O.
---~~--
--
----•-.amu-U':IIIJ:QI-
156
Del mismo modo podemos exportar a un archivo Excel
- .-..
,: ;,.-'
1 tl! -
§\~~-~·- o • ._.~-- ......
"'!""
-
J
- - .. -
•u. A.:
.. l.¡;:-~···
-
•oo;;o .,_.
- ....
~.-;¡;;;
., •• .,.IIJ:!J:_, __
c-
15'- .........
:f'Q 8( ~
..=.:.."::'-':~
_J-,!.!! .,¡-·
j=:· ~_f JI
··'
157