1
Investigación Comparativa De Los Usos Y
Aplicaciones De La Búsqueda Tabú
(febrero de 2023)
Hernández O. Kelly, Orjuela C. Johan, Muñoz D. Nicol, y Garzón A. Nicol
Universidad De Cundinamarca
 La problemática principal que se establecía antes de la
Resumen - Este artículo presenta una teoría
y una comparación de las prácticas de investigación sobre
la búsqueda tabú propuestas para resolver problemas
complejos. Las estrategias de investigación, especialmente
la búsqueda tabú, juegan un papel muy importante en el
desarrollo de soluciones alternativas a tales problemas,
brindando soluciones casi óptimas al menor costo y en un
tiempo prácticamente aceptable. El propósito de este
artículo es resumir, analizar y comparar los diversos usos
y aplicaciones de la búsqueda tabú con base en
los diversos artículos examinados.
Índice de Términos - Búsqueda tabú,
Abstract - This article presents a theory and a comparison of the
practices of investigation about the taboo search proposals to
resolve complex problems. The strategies of investigation,
especially the search taboo, meet a paper very important in the
development of the solutions of alternatives at this problems,
providing near optimal solutions at the lowest cost and in an
acceptable time frame. The purpose of this article is to
summarize, analyze, and compare the various uses and
applications of taboo search based on the various articles
reviewed.
I. INTRODUCCIÓN
E n el artículo escrito por Fred Glover y Manuel Laguna
(2014), se realiza una investigación de tipo cuantitativa y
cualitativa, con el fin de entrar a una exploración de la
búsqueda tabú, observando el cambio de percepción y manera
de actuar y resolver problemas de la ciencia aplicada,
empresariales y de ingeniería.
Los diferentes problemas que se presentan en los diferentes
campos de ingeniería, economía y ciencia han encontrado
soluciones factibles cuando se trata de resolverlos con el
enfoque meta heurístico búsqueda tabú, pues este enfoque
abarca diferentes campos que ayudan a ampliar y encontrar
una solución más factible del problema, esta búsqueda tabú
abarca planificación de recursos, telecomunicaciones, gestión
de residuos, conservación del medio ambiente, entre otros.
búsqueda tabú, eran las dificultades para encontrar resolución
de problemas en cuanto a la ciencia y la ingeniería, además de
esto, el tiempo que tomaba encontrar una solución óptima que
no afectara ninguna de las áreas empresariales.
la búsqueda tabú se basa en la premisa de que la resolución de
problemas, para ser considerada inteligente, debe incorporar
una memoria adaptativa. La información recopilada durante la
búsqueda, la ST contrasta con los diseños sin memoria que
dependen en gran medida de procesos semi aleatorios que
implementan una forma de muestreo. Ejemplos de métodos sin
memoria incluyen la heurística semigreedy y los prominentes
enfoques "genético" y "recocidos inspirados en metáforas de
la física y la biología. La memoria adaptativa también
contrasta con los diseños de memoria rígida típicos de las
estrategias de bifurcación y limitación.
Las estructuras de memoria en la búsqueda tabú funcionan por
referencia a cuatro dimensiones principales, decencia,
frecuencia, calidad e influencia. La memoria basada en la
memoria basada en la frecuencia y la basada en la frecuencia
se complementan y tienen características importantes que
ampliaremos en secciones posteriores. La dimensión de
calidad se refiere a la capacidad de diferenciar el mérito de las
soluciones visitadas durante la búsqueda. En este contexto, la
memoria puede utilizarse para identificar elementos que son
comunes a las buenas soluciones o a los caminos que
conducen a dichas soluciones. Dos componentes muy
importantes de la búsqueda tabú son las estrategias de
intensificación y diversificación.
En la diversificación las estrategias de intensificación se basan
en la modificación de las reglas de elección para fomentar las
combinaciones de movimientos y las características de
soluciones que históricamente se han considerado buenas.
II. DEFINICIÓN DEL PROBLEMA
A. Diseño De Una Distribución En Planta Con Algoritmos
Genéticos Y Búsqueda Tabú
Este documento no plantea una problemática, por lo
que se realiza una comparación inferencial de la búsqueda
tabú y los algoritmos genéticos. Estas propuestas incluyen
 2

soluciones a problemas complejos de
optimización combinatoria, así como configuraciones de
plantas; cabe aclarar que los métodos obtenidos en
esta implementación son de la más alta calidad
en el sector y han sido evaluados y reflejados en la
literatura con resultados en los más altos niveles de calidad de
ingeniería. Muestra que las soluciones computarizadas para
los problemas de propagación de plantas son cada vez
más rápidas.
B. Aplicación De La Búsqueda Tabú En La Resolución Del
Problema Capacitado De Lotificación En Sistemas De
Producción Multinivel
Se examina el problema de lotificación analizando la
metodología utilizada y configurando los parámetros básicos
de la búsqueda tabú con el objetivo de sentar las bases para el
desarrollo de nuevos algoritmos que aporten soluciones para
sistemas de producción multinivel.
La función objetivo se evalúa frente a las restricciones del
modelo original en (5) y (7), y el método utilizado para
encontrar la solución es un algoritmo genético utilizando
un software desarrollado por García (2001). Esto creará una
base de datos que permitirá que un modelo desarrollado
experimentalmente obtenga valores altamente confiables al
considerar soluciones en un estudio de factibilidad, y un
modelo estadístico completamente aleatorio determinará la
combinación indicada de estos factores para crear un plan de
solución más eficiente.
Para la implementación se utilizará un caso real descrito en la
literatura de búsqueda tabú para comparar los resultados,
que desarrollará una configuración de planta de siete partes
con los siguientes dominios y flujos.

C. Propuesta De Secuencia Óptima Para Implementar

Tecnologías De Industria 4.0 Utilizando Algoritmo De
Búsqueda Tabú

Mal posicionamiento lógico durante la ejecución de la

herramienta Industria 4.0. Esto se hace para maximizar los
beneficios y minimizar los costos asociados.

III. METODOLOGIA DESARROLLADA

A. Diseño De Una Distribución En Planta Con Algoritmos

Genéticos Y Búsqueda Tabú

Se estiman tres parámetros de esta función, como son la

función de carga, el factor de forma y el factor de sesgo, que
solo contribuyen a la evaluación de la función objetivo en
términos de minimizar los costos de transporte
entre instalaciones, el flujo de transporte entre otras B. Aplicación De La Búsqueda Tabú En La Resolución Del
dependencias y las distancias entre departamentos. Muy Problema Capacitado De Lotificación En Sistemas De
importante. Producción Multinivel

La búsqueda tabú funciona como cualquier algoritmo de

búsqueda, dada una solución x, se selecciona, evalúa y mueve
un entorno N(x) a una mejor solución, pero en lugar de buscar
en el entorno completo, se selecciona el entorno N * (x), ya
que estas soluciones se pueden obtener a partir del entorno (no
tabú) x.

Al crear una tabla tabú, hay que considerar si sus elementos

son soluciones o atributos completos, el tamaño de la tabla
tabú y si se usa el almacenamiento de
atributos, qué atributos se eligen para almacenarse en
la tabla tabú y qué criterios se usan para
bloquear el almacenamiento.

C. Propuesta De Secuencia Óptima Para Implementar
Tecnologías De Industria 4.0 Utilizando Algoritmo De
Búsqueda Tabú
El método propuesto para desarrollar secuencias
óptimas consta de cuatro pasos, como se muestra en la figura
De acuerdo con la definición de la industria 4.0,
se obtienen tres elementos, clasificados por la columna de
tecnología, como se muestra en la Figura 2. La Tabla 1
proporciona un ejemplo de la estructura de una tabla de
clasificación de tecnología.
De esta forma, los diferentes métodos se ponderan y califican
en una escala del 1 al 10, siendo 10 el más influyente, según
cuánto afecten al elemento. Los valores de la tabla
de clasificación se utilizan para obtener la matriz de
relaciones. El llenado de la matriz se enfoca en la
intersección de las dos tecnologías en cada dominio para
que podamos obtener su porcentaje compartido de relación y
establecer valores en blanco para datos en conflicto al
comparar la misma tecnología.
Esta ecuación se utiliza para calcular
porcentajes de proximidad
Dónde: VC = Valor conectividad. VTD = Valor toma de
decisiones. VSP = Valor sistemas productivos. a y b =
Tecnologías que se están comparando.
Esto debe hacerse n veces hasta completar la matriz.
3
IV. RESULTADOS OBTENIDOS
A. Diseño De Una Distribución En Planta Con Algoritmos
Genéticos Y Búsqueda Tabú
El diseño cumple con las pruebas de normalidad, por así
decirlo, y los errores son independientes y se
distribuyen normalmente. Con mediciones cero y varianza
constante, el modelo explicó adecuadamente las observaciones
y proporcionó validez analítica. Una rigurosa prueba de
hipótesis de equivalencia de vehículo entre tratamientos
La siguiente tabla muestra que el 70% del resultado para
obtener el mejor padre, el 70% del mejor hijo nacido del mejor
padre del 0,07 de probabilidad de mutación, para obtener
el valor de costo mínimo de la función objetivo. 07 debe ser
utilizado.
B. Aplicación De La Búsqueda Tabú En La Resolución Del
Problema Capacitado De Lotificación En Sistemas De
Producción Multinivel
Se presentan las restricciones de capacidad, la estructura
general del producto, el tiempo y el costo de preparación, el
tiempo de entrega y el uso de características descriptivas para
problemas de procesamiento por lotes de niveles múltiples.
Para resolver el problema se utilizó búsqueda tabú y el
recocido simulado para resolver el problema, luego
compare los resultados con los de la inferencia utilizada
anteriormente para resolver el problema. Las metas
heurísticas proporcionan soluciones muy cercanas a las
óptimas para problemas pequeños.
1. Solución de referencia
A menudo se compara utilizando técnicas de programación
lineal exacta y programación entera mixta
Eficiencia y calidad de las soluciones devueltas por el
algoritmo de búsqueda tabú. En grandes problemas
predominan las técnicas de investigación y relajación.
2. Soluciones iniciales

La solución utilizada para configurar la búsqueda tabú afecta
en gran medida el rendimiento de estas definiciones. Según el
artículo revisado, la solución de prueba de Wagner-Inside se
basa en lote, recarga y SPT. Este es un sustituto que algunas
personas usan. Métodos y técnicas para crear columnas
y blockchains Los paréntesis solos también brindan
alternativas para buscar una solución a su problema.
3. Métodos de fortalecimiento
No se usan, ni se especifican, en muchas soluciones
de paquetes de un solo nivel. Este es un enfoque intensivo,
principalmente debido a la escala y complejidad
de tales problemas. La memoria adaptativa es el
método de refuerzo utilizado. En el caso de un
modelo de distribución los criterios estrictos en
múltiples niveles se controlan asignando pesos o
penalizaciones a las acciones de búsqueda.
4. Enfoque diversificado
La memoria adaptativa se utiliza como método de
diversificación. Elegir una solución de nuevo comienzo, es
una estrategia de diversificación por el número máximo de
iteraciones para las cuales la solución no está optimizada.
literatura. La creación de una matriz de frecuencia también
puede aumentar la cantidad de movimiento a realizar,
explorando el espacio de solución de problemas por
lotes multinivel.
5. Método de Aspiración
El método de extracción más común para estas dos clases de
problemas es la extracción objetiva, donde los movimientos
que representan mejoras en la función objetivo se excluyen de
la lista prohibida.
6. Criterio de Parada
Los criterios de parada más utilizados son el número máximo
de iteraciones, y el número máximo de iteraciones no
mejora la función objetivo
C. Propuesta De Secuencia Óptima Para Implementar
Tecnologías De Industria 4.0 Utilizando Algoritmo De
Búsqueda Tabú
El algoritmo de búsqueda se aplica a la prueba para 10
iteraciones diferentes, y el algoritmo se repite 10
veces en cada prueba, y los resultados se muestran en la Tabla
5. El algoritmo se aplicó a 10 pruebas, a cada una se le dio un
rango de iteraciones de 500 a 900 000, y cada prueba se repitió
10 veces con la misma iteración, para un total
de 100 pruebas. Las observaciones iniciales muestran que el
algoritmo muestra resultados más precisos a medida que
aumenta el número de iteraciones.
4
V. CONCLUSIONES
La búsqueda tabú ha demostrado ser una alternativa eficiente
para la solución de problemas de lotificación. De acuerdo con
los contados aportes en la literatura científica que exponen de
manera detallada el uso de la búsqueda tabú en la solución del
problema de lotificación en sistemas multinivel, se puede
evidenciar la necesidad del uso de métodos complejos de
intensificación, diversificación y aspiración. Se evidencia el
gran potencial de la búsqueda tabú para la solución de
problemas de lotificación de gran complejidad. La calidad de
las soluciones iniciales para el algoritmo de búsqueda tabú
influye en gran medida en su rendimiento computacional.
RECONOCIMIENTO
Agradecimientos de los autores hacia la profesora Karina
López por su acompañamiento y apoyo en esta
investigación.
REFERENCIAS
[1] J.-H. y. R. R. V.-A. [2] Alfonso Romero-Conrado, “. Aplicación De La Búsqueda
Tabú En La Resolución Del Problema Capacitado De Lotificación En Sistemas
De Producción Multinivel: Un Estado Del arte,” p. 6, 2020.
[2] M. L. Fred Glover, “Tabu Search.,”
file:///C:/Users/usuario/Downloads/Tabu_search_I%20(1).pdf, p. 19, 1999.
[3] L. N. R. C. y. O. Moyorgo., “Diseño De Una Distribución En Planta Con
Algoritmos Genéticos Y Búsqueda Tabú,”
Torres2file:///C:/Users/usuario/Downloads/12%20Busqueda%20Tabu%20(1).pdf,
p. 10, 2008.
[4] V. F. F. T. J. A. J. G. S. H. Víctor Hugo Gómez Barrios, “Propuesta De Secuencia
Óptima Para Implementar Tecnologías De Industria 4.0 Utilizando Algoritmo De
Búsqueda Tabú.,” file:///D:/Articulo%204.., p. 11, 2020.
Biografía Autor(es)
Nicol Estefany Muñoz Daza Estudiante de ingeniería
industrial de la Universidad de Cundinamarca, de
decimo semestre, desarrollo de investigación para la
asignatura diseño de planta.
Johan Sebastián Orjuela Corzo Estudiante de
ingeniería industrial, Décimo semestre,
Actualmente empleado
Materia: Diseño de planta
Nicol Julieth Garzón Amaya Estudiante de ingeniería
industrial de la Universidad de Cundinamarca, de
decimo semestre, desarrollo de investigación para la
asignatura diseño de planta.
Kelly Johana Hernández Ortega Estudiante de
ingeniería industrial de la Universidad de
Cundinamarca, tengo 22 años y actualmente me
encuentro trabajando en atención al cliente de decimo
semestre, desarrollo de investigación para la asignatura
diseño de planta.