La Optimizaci´on por Enjambre de Part´ıculas (PSO) es un m´etodo que tambi´en corresponde

al tipo de inteligencia de enjambre, tiene sus ra´ıces enla vida artificial, psicolog´ıa social,
ingenier´ıa y ciencia de la computaci´on. PSO difiere de la computaci´on evolutiva (c.f. [6], [7])
en que los miembros de la poblaci´on llamados part´ıculas o agentes, est´an “volando” a trav
´es del hiperespacio del problema. PSO es un m´etodo adaptativo que utiliza agentes o part
´ıculas que se mueven a trav´es del espacio de b´usqueda utilizando los principios de: Evaluaci
´on, Comparaci´on e Imitaci´on (c.f. [6], [7]): 1. Evaluaci´on: La tendencia al est´ımulo de
evaluar, es la principal caracter´ıstica de los organismos vivos. El aprendizaje no ocurre a
menos que el organismo pueda evaluar, pueda distinguir caracter´ısticas del medio ambiente
que atraen o caracter´ısticas que repelen. Desde este punto de vista, el aprendizaje puede
definirse como un cambio que posibilita al organismo mejorar la evaluaci´on promedio de su
medio ambiente. 2. Comparaci´on: Los est´andares del comportamiento social se realizan
mediante la comparaci´on con otros. 3. Imitaci´on: Lorenz asegura que s´olo los seres humanos
y algunas aves son capaces de imitar. La imitaci´on es central para la adquisici´on y
mantenimiento de las habilidades mentales. PSO se basa en el uso de un conjunto de part
´ıculas o agentes que corresponden a estados de un problema de optimizaci´on, donde cada
part´ıcula se mover´a en el espacio de soluciones en busca de una posici´on ´optima o una
buena soluci´on. En PSO los agentes se comunican entre s´ı, y entonces el agente con una
mejor posici´on (medida de acuerdo a una funci´on objetivo) influye en los dem´as atray
´endolos hacia ´el. La poblaci´on se inicializa asignando a las variables una posic´on y una
velocidad de manera aleatoria. En cada iteraci´on, la velocidad de cada part´ıcula es
aleatoriamente acelerada hacia su mejor posici´on (donde el valor de la funci´on de aptitud u
objetivo es mejor) y a trav´es de las mejores posiciones de sus vecinos. Para resolver los
problemas, se propone utilizar PSO con un manejo din´amico de las part´ıculas, lo que permite
romper ciclos y diversificar la b´usqueda. Para resolver este problema, se considerar´a que un
enjambre de r part´ıculas-soluci´on al tiempo t est´a dado de la forma:

“Heurística” es un concepto que viene desde la Grecia clásica, originado

de la palabra griega heuriskein cuyo significado es encontrar o descu-brir;
según la historia se deriva de eureka, famosa exclamación atribuida a
Arquímedes. Como se aprecia, etimológicamente la heurísti-ca se orienta al
estudio del descubrimiento y la invención, (debidos a la reflexión y no al
azar). En consecuencia, todos los factores y elementos no racionales que
puedan jugar un papel en la invención y el descubrimiento deben quedar
por fuera de la heurística. De esta forma podemos relacionar la
heurística con la tarea de resolver problemas inteligentemente utilizando la
infor-mación disponible. Aplicado el término heurística en la Investiga-
ción Operacional, este toma un significado másexigente, para ilustrar lo
anterior se presenta lassiguiente definición: “Se califica de heurísticoa un
procedimiento para el que se tiene un altogrado de confianza en que
encuentra solucionesde alta calidad con un coste computacional ra-zonable,
aunque no se garantice su optimalidado su factibilidad, e incluso, en
algunos casos, nose llegue a establecer lo cerca que se está de
dichasituación. Se usa el calificativo heurístico en con-traposición a exacto.

Qué son metaheurísticasEn la búsqueda de mejores soluciones y de

mayor calidad, la investigación en este campo en los úl-timos veinticinco
años, ha centrado su atención en el diseño de técnicas de propósito
general
• Vol. 1 • No. 1 • enero - junio de 201149 para orientar la construcción de
soluciones en las distintas heurísticas. Estas técnicas se llaman
comúnmente metaheurísticas y son estrategias para diseñar y/o
mejorar los procedimientos heurísticos orientados a obtener un alto rendi-
miento. El término metaheurística fue introducido por Fred Glover en
1986 y desde entonces se han presentado muchas propuestas de
pautas para diseñar mejores procedimientos de solución a problemas
combinatorios. Los profesores Osman y Kelly (1995) introdujeron la
siguiente definición4: “Los procedimientos Metaheurís-ticos son una
clase de métodos aproximados que están diseñados para resolver
problemas de difícil optimización combinatoria, en los que los heurísticos
clásicos no son efectivos”. Los Metaheurísticos proporcionan un marco
general para crear nuevos algoritmos híbridos, combinando diferentes
conceptos de diversos campos como la genética, la biología, la inteli-
gencia artificial, las matemáticas, la física y la neurología, entre otras.
Como en general, existe previamente algún método heurístico específico
para el problema, la metaheurística puede verse como un marco de trabajo
referido a algoritmos que puede aplicarse a diversos problemas de
optimización (combinatoria) con pocos cambios significativos. De hecho, las
metaheurísticas son ampliamente reconocidas como una de las mejo-res
aproximaciones para atacar los problemas de optimización
combinatoria.Evaluación del rendimiento de los método
Metaheurísticos5Las propiedades deseables que buscamos son todas
aquellas que favorezcan el interés práctico y teórico de las metaheurísticas,
sin embargo no será posible mejorar todas las propiedades a la vez, dado
que algunas son parcialmente contra-puestas. Una relación de tales
propiedades debe incluir las siguientes 11:• Simple. La metaheurística debe
estar basada en un principio sencillo y claro; fácil de com-prender.• Precisa.
Los pasos y fases de la metaheurística deben estar formulados en términos
concre-tos.• Coherente. Los elementos de la metaheurís-tica deben
deducirse naturalmente de sus principios.• Eficaz. La probabilidad de
alcanzar soluciones óptimas de casos realistas con la metaheurís-tica debe
ser alta.• Eficiente. La metaheurística debe realizar un buen
aprovechamiento de recursos compu-tacionales: tiempo de ejecución y
espacio de memoria.• General. La metaheurística debe ser utilizable con
buen rendimiento en una amplia variedad de problemas.• Adaptable. La
metaheurística debe ser ca-paz de adaptarse a diferentes contextos
de aplicación o modificaciones importantes del modelo.• Robusta. El
comportamiento de la metaheu-rística debe ser poco sensible a pequeñas
alte-raciones del modelo o contexto de aplicación.• Interactiva. La
metaheurística debe permitir que el usuario pueda aplicar sus conocimien-
tos para mejorar el rendimiento del procedi-miento.• Múltiple. La
metaheurística debe suministrar diferentes soluciones alternativas de alta
cali-dad entre las que el usuario pueda elegir.
50 Universidad Antonio Nariño• Autónoma. La metaheurística debe permitir
un funcionamiento autónomo, libre de pará-metros o que se puedan
establecer automáti-camente.La evaluación del rendimiento de una
metaheu-rística debe atender tanto a la eficiencia comoa la eficacia de los
procedimientos heurísticosobtenidos. Para validar la eficacia de una
me-taheurística, éstas deben afrontar con éxitoproblemas de un banco
de casos para los quese conozcan las soluciones. Si no se
disponede estos casos, se deben construir recurriendoa procesos de
simulación que se aproximen atales circunstancias. La eficiencia del
métodose contrasta experimentalmente en el empleode un tiempo
computacional moderado (o almenos razonable) para alcanzar éxito en
losproblemas considerados.