VENTAJAS Y

DESVENTAJAS DE LA
HEURISTICA
 VENTAJAS
El mtodo heurstico es ms flexible en el manejo de
las caractersticas del problema.

la fundamentacin heurstica es mas fcil de

entender en comparacin a los complejos mtodos
matemticos.
 DESVENTAJAS
No es posible conocer la calidad de la solucin.
Dependen en gran medida del problema concreto
para el que se han diseado.
Es difcil aprovechar el conocimiento previo para su
aplicacin en otros problemas.
 ALGORITMOS HEURISTICOS

Los algoritmos heursticos se pueden utilizar bajo las siguientes

condiciones:

Cuando no exista la solucin optima.

Cuando no existe un mtodo exacto de resolucin o ste requiere
mucho tiempo de clculo o de memoria.
Cuando los datos son poco fiables.
Cuando hay limitaciones de tiempo
Como paso intermedio en la aplicacin de otro algoritmo.
Una de las ventajas de estos algoritmos frente a los que buscan
soluciones exactas es que permiten una mayor flexibilidad
CUANDO SE DEBE UTILIZAR LOS MTODOS
HEURSTICOS

Los mtodos heursticos se pueden utilizar en los siguientes escenarios:

CUANDO NO SE PUEDA APLICAR OTRO MTODO:

en general por falta de hiptesis para aplicar algoritmos determinsticos: funciones
no derivables o no continuas, o que no son funciones.
PROBLEMAS RUIDOSOS O MAL CONDICIONADOS:
Los algoritmos heursticos o aleatorios tienden a ser robustos y poco sensibles a la
presencia de ruido.
PROBLEMAS REALES DE GRAN COMPLEJIDAD:
donde es suficiente con encontrar una buena solucin al problema, aunque no sea
necesariamente el ptimo global.
EXISTENCIA DE GRAN CANTIDAD DE PTIMOS LOCALES:
Donde los algoritmos tradicionales basados en derivadas quedan atrapados.
 EL PROBLEMA DEL VIAJERO

Si un viajante parte de la ciudad A y las distancias a todas las

dems ciudades son conocidas, cul es la ruta ptima que debe
El problema
elegir del viajante
para visitar es ciudades
todas las un ejemplo
y volver a la ciudad de
que
partida? parece tener una solucin
relativamente fcil, y en la prctica
presenta un gran problema.

Los algoritmos, basados en heursticas no encuentran

soluciones exactas, pero permiten encontrar aproximaciones
suficientemente buenas (un 97% de optimizacin).