Providing a memory mechanism to enhance the evolutionary design of heuristics

Burke, Edmund K.; Hyde, Matthew; Kendall, Graham

doi:10.1109/cec.2010.5586388

Cited by 11 publications

(6 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A continuación se des ambas partes de la experimentación. En la primera parte los criterios 1A y 2A se aplicaron a 16413 instancias, estas instancias agrupadas en los conjuntos que se enlistan a continuación: Falkenauer (1996), que contiene conjuntos conocidos como uniform y triplets; bin1data, bin2data y bin3data ( como uniform y triplets; bin1data, bin2data y bin3data (Scholl et al, 1997); Schwerin y Waescher (Schwerin y Wäscher,1999); Dual_distribution (Burke, 2010); ffdhardA, ffd-hardB, ffd-hardC y ffd-hardD (Schwerin y Wäscher, 1999); hard28 y 53nirup (Schoenfield, 2002). La aplicación de estos criterios hizo posible la reducción del número de objetos de las instancias que contenían objetos con peso igual a 1 y objetos cuyo peso es mayor a la mitad de la capacidad del contenedor.…”

Section: Resultados Experimentalesunclassified

Una nueva estrategia heurística para el problema de Bin Packing

Pérez-Ortega

Castillo-Zacatelco

Ayala

et al. 2016

Ingeniería, Investigación y Tecnología

View full text Add to dashboard Cite

ResumenEl problema de Bin Packing (BPP) es NP-duro, por lo que un método exacto para resolver instancias del BPP requiere un gran número de variables y demasiado tiempo de ejecución. En este trabajo se propone una nueva estrategia heurística para resolver instancias del BPP en donde se garantiza la solución óptima. La estrategia propuesta incluye el uso de un nuevo modelo exacto basado en arcos de flujo. En el modelo propuesto, el número de variables se redujo asignando objetos en contenedores. Adicionalmente se incluye una heurística que mediante el preprocesado de la instancia permite reducir su tamaño y con ello el espacio de búsqueda del algoritmo de solución. Para validar el enfoque propuesto, se realizaron experimentos usando los conjuntos de prueba hard28, 53nirup, bin1data, uniform, triplets y subconjuntos de otras instancias, todos ellos conocidos en el estado del arte. Los resultados muestran que empleando nuestro enfoque es posible encontrar la solución óptima de todas las instancias de prueba. Además, el tiempo de ejecución se redujo en relación con lo reportado por el modelo basado en arcos de flujo. Las reducciones de tiempo fueron de 19.7 y 43% para los conjuntos 53nirup y hard28, respectivamente. IntroducciónEl problema de Bin Packing se puede formular de la siguiente manera: dados n objetos de tamaño w 1 , .., w n y contenedores de tamaño C, el objetivo es encontrar el menor número de contenedores en donde se coloquen todos los objetos. De acuerdo con Garey y Johnson (1979) el problema de Bin Packing (BPP) es un problema combinatorio, que pertenece a la clase de problemas NP-duros y existen problemas reales de la industria que pueden mapearse a dicho problema.Algunos investigadores dirigen sus esfuerzos hacia el desarrollo de modelos matemáticos que representen el problema, con el objetivo de obtener soluciones ópti-mas, por ejemplo, los modelos desarrollados por Valerio (1999Valerio ( , 2000 y Martello y Toth (1990). El trabajo desarrollado por Shawn (2004) es otra alternativa que propone darle solución al problema BPP realizando una modificación al modelo desarrollado para resolver el problema de la mochila multidimensional. La limitante de esta propuesta es que no resuelve convenientemente todas las instancias de los conjunto uniform y triplets (Falkenahuer, 1996). Una mejora a este trabajo se propuso por Schaus en su tesis doctoral (2009), donde mediante el uso de arcos de flujo se resuelven todas las instancias de los conjuntos uniform y triplets, además se mejoran los tiempos de cómputo presentados por Shawn.Cambazard y O'Sullivan (2010) propusieron introducir directamente en el modelo de arcos de flujo los criterios utilizados por Shawn, lo que les permitió reducir los tiempos de ejecución y resolver las instancias uniform y bin1data (Scholl et al., 1997), sin embargo, no lograron resolver de forma óptima todas las instancias de los conjuntos triplets y bin2data (Scholl et al., 1997). Alves (2012) por su parte, propuso un modelo basado en arcos de flujo, que limita el número de objetos p...

show abstract

Section: Resultados Experimentalesunclassified

Una nueva estrategia heurística para el problema de Bin Packing

Pérez-Ortega

Castillo-Zacatelco

Ayala

et al. 2016

Ingeniería, Investigación y Tecnología

View full text Add to dashboard Cite

show abstract

“…This work shows that there is a trade-off between the time taken to evolve a heuristic on larger instances, and the heuristic's scalability. Burke et al (2010c) extend this work by adding a memory component to the genetic programming system. It maintains a record of the pieces that have been seen so far during the packing process.…”

Section: Heuristic Generation Methodologiesmentioning

confidence: 99%

Hyper-heuristics: a survey of the state of the art

Burke

Gendreau

Hyde

et al. 2013

Journal of the Operational Research Society

Self Cite

985

550

View full text Add to dashboard Cite

Hyper-heuristics comprise a set of approaches that are motivated (at least in part) by the goal of automating the design of heuristic methods to solve hard computational search problems. An underlying strategic research challenge is to develop more generally applicable search methodologies. The term hyper-heuristic is relatively new; it was first used in 2000 to describe heuristics to choose heuristics in the context of combinatorial optimisation. However, the idea of automating the design of heuristics is not new; it can be traced back to the 1960s. The definition of hyper-heuristics has been recently extended to refer to a search method or learning mechanism for selecting or generating heuristics to solve computational search problems. Two main hyper-heuristic categories can be considered: heuristic selection and heuristic generation. The distinguishing feature of hyper-heuristics is that they operate on a search space of heuristics (or heuristic components) rather than directly on the search space of solutions to the underlying problem that is being addressed. This paper presents a critical discussion of the scientific literature on hyper-heuristics including their origin and intellectual roots, a detailed account of the main types of approaches, and an overview of some related areas. Current research trends and directions for future research are also discussed.

show abstract

“…Data diatas diambil dari data benchmark yang diambil sebagian (sebanyak 150 data). Dan data benchmark tersebut diambil dari jurnal Burk, Hyde dan Kendell [10].…”

Section: Pendahuluanunclassified

Analisis Perbandingan Metode Genetic Algorithm dan Particle Swarm Optimization dalam Menilai Tingkat Optimasi Hasil Pada Bin Packing Problem Satu Dimensi

Perdana¹

2018

Preprint

View full text Add to dashboard Cite

show abstract

Providing a memory mechanism to enhance the evolutionary design of heuristics

Cited by 11 publications

References 24 publications

Una nueva estrategia heurística para el problema de Bin Packing

Una nueva estrategia heurística para el problema de Bin Packing

Hyper-heuristics: a survey of the state of the art

Analisis Perbandingan Metode Genetic Algorithm dan Particle Swarm Optimization dalam Menilai Tingkat Optimasi Hasil Pada Bin Packing Problem Satu Dimensi

Contact Info

Product

Resources

About