RESUMENEl diseño de algoritmos ecientes para resolver problemas complejos es uno uno de los aspectos más importantes de investigación en el campo de la informática. El objetivo perseguido es fundamentalmente el desarrollo de nuevos métodos capaces de resolver problemas complejos con el menor esfuerzo computacional posible, mejorando así a los algoritmos existentes de una forma ecaz.Los Algoritmos Genéticos Celulares (cGAs) forman parte de las herramientas de optimización más populares. Estos algoritmos se enfocan en encontrar soluciones óptimos en un tiempo reducido en comparación a métodos exactos.En este trabajo se propone un estudio comparativo de diferentes operadores de mutación en un cGa aplicado a problemas académicos clásicos de optimización continua.Palabras clave: algoritmo genético celular, metaheurística, operadores de mutación, problema de optimización continua. 141Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.
La aplicación de los algoritmos metaheurísticos a problemas de optimización ha sido muy importante durante las últimas décadas. La principal ventaja de estas técnicas es su flexibilidad y robustez, lo que permite aplicarlas a un amplio conjunto de problemas. En este trabajo nos concentramos en metaheurísticas basadas en trayectoria Simulated Annealing, Tabu Search y Variable Neighborhood Search cuya principal característica es que parten de un punto y mediante la exploración del vecindario varían la solución actual, formando una trayectoria. Mediante las instancias de los problemas combinatorios seleccionados, se realiza una experimentación computacional que ilustra el comportamiento de los métodos algorítmicos para resolver los mismos. El objetivo principal de este trabajo es realizar el estudio y comparación de los resultados obtenidos para las metaheurísticas trayectoriales seleccionadas en su aplicación para la resolución de un conjunto de problemas académicos de optimización combinatoria.
Cuando hablamos de metaheurísiticas hacemos referencia a procedimientos que tratan de aportar soluciones a un problema complejo determinado mediante la creación de algoritmos. El objetivo de estudio es básicamente el desarrollo de nuevos métodos capaces de resolver problemas complejos, con un mayor rendimiento, es decir con un menor esfuerzo computacional.Una de las herramientas más populares de optimización son los Algoritmos Genéticos Celulares (cGAs), estos se enfocan en encontrar soluciones óptimas en un tiempo reducido. En este trabajo proponemos un estudio comparativo de diferentes operadores de recombinación en un cGA aplicado a una serie de problemas académicos de optimización discretos. Realizando un profundo análisis estadístico de los resultados.
Resumen: La obtención de soluciones óptimas para muchos problemas de optimización, en el campo científico e industrial es intratable. Esto significa que un método exacto necesita un tiempo polinomial para garantizar la optimalidad de la solución. Esta clase de problemas denominados NP-duros, requieren de métodos que garanticen soluciones de alta calidad en un tiempo razonable aunque no garantice encontrar una solución óptima global. A éstos últimos se los denomina métodos aproximados o heurísticos, y dentro de ellos encontramos a las metaheurísticas. La Búsqueda Dispersa es una metaheurística que pertenece a la familia de los llamados Algoritmos evolutivos, los cuales se distinguen por estar basados en la combinación de un conjunto de soluciones. Si bien fue originalmente introducido a fines de los setenta, recientemente es cuando ha sido utilizado en numerosos problemas con gran éxito. La Búsqueda Dispersa proporciona un marco flexible que permite el desarrollo de diferentes implementaciones con distintos grados de complejidad. El objetivo del trabajo es presentar y comparar dos versiones de algoritmos de búsqueda dispersa aplicando un completo análisis estadístico. Se pretende estudiar el comportamiento de estos algoritmos en la solución de un conjunto de problemas de optimización. De los resultados obtenidos se determina que la segunda versión propuesta es la más adecuada para resolver el conjunto de problemas planteados.Palabras clave: Búsqueda Dispersa, problemas de optimización, metaheurísticas.Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.
Resumen: En el mundo existen una multitud de problemas cotidianos que, precisan de una solución que cumpla con un conjunto de requisitos de la manera más apropiada maximizando o minimizando un determinado valor. Sin embargo, para encontrar una solución óptima para ciertos problemas de optimización puede ser una tarea increíblemente difícil o imposible. Esto es, porque cuando un problema se vuelve lo suficientemente grande, tenemos que buscar a través de un enorme número de posibles soluciones, la solución más eficiente, es decir, la que tiene costo menor. Las metaheurísticas son una de las estrategias que ha obtenido una gran aceptación y que han ido consiguiendo un importante cuerpo formal; ya que estás establecen estrategias para recorrer y explorar el espacio de soluciones del problema normalmente generadas en forma aleatoria y de manera iterativa. La principal ventaja de estas técnicas es su flexibilidad y robustez, lo que permite aplicarlas a un amplio conjunto de problemas. En este trabajo proponemos concentrarnos en una metaheurística basada en trayectoria Simulated Annealing y una basada en población Algoritmo Genético Celular con el objetivo de realizar un estudio y comparación de los resultados obtenidos en su aplicación para la resolución de un conjunto de problemas académicos de optimización combinatoria.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2025 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.