Está en la página 1de 8

OPTIMIZACIN HEURSTICA Y APLICACIONES

MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL Curso 2010/2011 (Cdigo: 31104036)

1
E. BESADA, A. HERRN OPTIMIZACIN HEURSTICA Y APLICACIONES MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL

Presentacin Algunos tipos de problemas de optimizacin son relativamente f il d resolver, ya que sus caractersticas i t Al ti d bl d ti i i l ti t fciles de l t ti intrnsecas permiten el uso de tcnicas deterministas capaces de encontrar su solucin optima. Este es el caso, por ejemplo, de los problemas lineales, que pueden ser resueltos con el mtodo Simplex (visto en la asignatura I t d i t Introduccin a la Programacin Matemtica). i l P i M t ti ) Sin embargo, la gran mayora de problemas reales no pueden ser resueltos con algoritmos deterministas, bien porque sus caractersticas no han permitido el desarrollo de ninguna tcnica "exacta" que asegure la localizacin de la solucin ptima, o porque aun pudiendo ser las tcnicas exactas utilizadas, el tiempo necesario para obtener la solucin del problema p resulte prohibitivo. La alternativa para estos casos, la constituyen los mtodos heursticos, que mediante diferentes mecanismos buscan una solucin "buena" - aunque no necesariamente ptima - en un tiempo razonable. En esta asignatura se introduce al alumno en el uso de los mtodos iterativos heursticos, clasificndolos en dos grupos: f (a) Mtodos basados en bsquedas por entornos: Bsqueda Local (Local Search, LS), Bsqueda Tab (Taboo Search, TS), Temple Simulado (Simulated Annealing, SA). (b) Mtodos evolutivos o basados en poblaciones: Algoritmos G ti Al it Genticos (GA) Evolucin Dif (GA), E l i Diferencial (DE) i l (DE).

2
E. BESADA, A. HERRN OPTIMIZACIN HEURSTICA Y APLICACIONES MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL

En los mtodos basados en bsquedas locales se realiza una bsqueda de la solucin del problema en el entorno de la solucin anteriormente localizada. En el caso de los mtodos basados en poblaciones se realiza una bsqueda global del ptimo, combinando la informacin del conjunto de posibles soluciones que constituyen la poblacin. Muchos de los l it M h d l algoritmos d ambos grupos son algoritmos d optimizacin estocsticos, ya que sus procesos d b de b l it de ti i i t ti de bsqueda d utilizan mecanismos aleatorios. El problema de optimizacin en si mismo tambin puede tener una componente estocstica que haga necesaria de un mtodo de simulacin de Monte Carlo en el proceso de evaluacin de las posibles soluciones. , g g , Por lo tanto, en esta asignatura tambin se introducen algunas tcnicas de simulacin de Monte Carlo, y se discute su uso en la solucin de problemas tanto deterministas como estocsticos. Contextualizacin La asignatura se engloba dentro de la materia de OPTIMIZACIN, que a su vez est ubicada dentro del MDULO I (Matemticas y Computacin) del que tambin forman parte las asignaturas: Minera de Datos Sistemas Inteligentes Introduccin a la Programacin Matemtica Los mtodos heursticos son procedimientos para resolver problemas de optimizacin bien definidos mediante una aproximacin intuitiva, en la que la estructura del problema se utiliza de forma inteligente para obtener una buena solucin en un tiempo aceptable. As, problemas con unas caractersticas determinadas, dichos mtodos constituyen una alternativa a los mtodos deterministas estudiados en la asignatura Introduccin a la Programacin Matemtica. Matemtica

3
E. BESADA, A. HERRN OPTIMIZACIN HEURSTICA Y APLICACIONES MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL

Conocimientos previos recomendados Los L conocimientos necesarios para poder abordar l asignatura son: i i t i d b d la i t Fundamentos de Programacin Adems, debido a las caractersticas de los ejemplos utilizados para ilustrar los diferentes mtodos que se estudiarn a lo largo de la asignatura, es conveniente que los alumnos tambin tengan conocimientos de: Modelado de Sistemas F d Fundamentos Control de Si t t C t l d Sistemas Resultados del aprendizaje Una U vez cursada l asignatura, l alumnos sern capaces d d la i t los l de: Identificar el tipo de problemas de optimizacin que pueden ser resueltos mediante mtodos heursticos. Valorar los pros y contras de cada uno de los mtodos estudiados en funcin del tipo de aplicacin. Implementar en un lenguaje de programacin los diferentes mtodos de optimizacin heurstica estudiados en la asignatura. A li Analizar y comparar el rendimiento d l dif l di i t de los diferentes algoritmos i l t l it implementados cuando son aplicados a l resolucin d t d d li d la l i de un problema determinado. Comprender la utilidad de los mtodos de Monte-Carlo.

4
E. BESADA, A. HERRN OPTIMIZACIN HEURSTICA Y APLICACIONES MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL

Programa La i L asignatura est di idid en cuatro t t t dividida t temas ms un proyecto fi l en el que el alumno d b poner en prctica l t final l l l debe ti los conocimientos adquiridos a lo largo del curso: Tema 1. Introduccin Tema 2. Optimizacin heurstica basada en Bsquedas Locales 2.1 Bsqueda Local 2.2 Bsqueda Tab 2.3 Temple Simulado p Tema 3. Optimizacin heurstica basada en Poblaciones 3.1 Algoritmos Genticos 3.2 Evolucin Diferencial 3.3 Algoritmos Sociales Tema 4. Mtodos de optimizacin de Monte-Carlo 4.1 4 1 Tcnicas de simulacin de Monte Carlo Monte-Carlo 4.2 Algoritmos estocsticos 4.3 Problemas estocsticos

5
E. BESADA, A. HERRN OPTIMIZACIN HEURSTICA Y APLICACIONES MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL

Bibliografa Tabu Search. F.W. Glover, M. Laguna. Kl T b S h F W Gl M L Kluwer A d i Publishers, 1997. Academic P bli h 1997 Este libro est dedicado a los algoritmos de bsqueda tab, que es una de las tcnicas heursticas de bsqueda local que sern estudiadas en esta asignatura. Evolutionary Algorithms for Solving Multi-Objective Problems. C.A. Coello, G.B. Lamont, D.A. van Veldhuizen. Springer, 2007. El contenido de este libro se centra en las tcnicas heursticas que optimizan conjuntos de soluciones con operadores inspirados en la evolucin de las especies especies. Particle Swarm Optimization. M. Clerc, Wiley-ISTE, 1995. Otro libro de tcnicas heursticas que manipulan conjuntos de soluciones utilizando para este fin operadores inspirados en la inteligencia colectiva y el comportamiento social de diferentes especies animales. Bayesian Signal Processing: classical, modern and Particle Filtering Approaches. J.M. Candy, John Wiley Son, 2008 En este libro se presentan diferentes tcnicas de simulacin de Monte Carlo tiles para la optimizacin de funciones no deterministas y/o para el desarrollo de nuevos algoritmos de optimizacin estocstica. Material adicional Adems, Adems a lo largo del curso se facilitar material complementario de cada uno de los temas relacionado con las temas, aplicaciones que los alumnos consideren especialmente interesantes. Tambin se proporcionarn direcciones de Internet donde el alumno podr ampliar conocimientos, ver modos alternativos de presentacin de la materia, y relaciones entre los diferentes temas.

6
E. BESADA, A. HERRN OPTIMIZACIN HEURSTICA Y APLICACIONES MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL

Metodologa La L metodologa que utilizaremos es l general d l UNED b t d l tili la l de la UNED, basada en una educacin a distancia apoyada por el uso d d d i di t i d l de tecnologas de la informacin y el conocimiento. La distribucin temporal del total de crditos ECTS de la asignatura se divide en las diferentes actividades formativas contempladas, que pueden agruparse en t t l d d tres grandes grupos: d Trabajo con contenidos tericos (20%). Realizacin de actividades prcticas (20%). Trabajo autnomo (60%). p y Recursos de apoyo al estudio El acceso al curso se llevar a cabo desde la plataforma aLF disponible en el siguiente enlace: http://www.innova.uned.es/ 1. Gua docente. 2. Curso virtual. 3. Tutoras con el equipo docente. 4. Biblioteca. 4 Biblioteca 5. Internet. 6. Software especfico.

7
E. BESADA, A. HERRN OPTIMIZACIN HEURSTICA Y APLICACIONES MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL

Plan de trabajo y evaluacin Cada tema constar d una presentacin t i acompaada d abundantes problemas prcticos. P C d t t de t i terica d de b d t bl ti Para ello el alumno ll l l dispondr de un documento .pdf con los contenidos esenciales de la materia y una referencia bibliogrfica detallada. A medida que se vayan abordando los diferentes temas, se solicitar que el alumno implemente diferentes operadores y/o algoritmos, d bi d l it debindose entregar por escrito en l f h sealada. t it la fecha l d Los alumnos propondrn a los profesores los problemas que desean resolver y los algoritmos que quieren utilizar. Los profesores analizarn la dificultad de la propuesta, aceptarn aquellas cuyos contenidos se ajusten a las habilidades desarrolladas a lo largo de la asignatura, y solicitarn cambios de objetivos en las restantes. Adicionalmente, se realizar un proyecto final consistente en la comparativa de los resultados obtenidos por los diferentes algoritmos estudiados cuando se aplican a la resolucin de un ejemplo concreto. Las fechas orientativas de inicio de cada tema y entrega lmite de los ejercicios aparecen en la siguiente tabla. Las fechas definitivas aparecern en la pagina web de la asignatura, al final de cada tema. Calendario de la asignatura Temas Tema 1 Tema 2 Tema 3 Tema 4 Proyecto final Inicio 28 febrero 14 marzo 4 abril 4 mayo 31 mayo Entregas 7 marzo y 19 marzo 1 abril 29 abril 27 mayo 15 junio

8
E. BESADA, A. HERRN OPTIMIZACIN HEURSTICA Y APLICACIONES MSTER UNIVERSITARIO EN INGENIERA DE SISTEMAS Y DE CONTROL