Post on 23-Jan-2016
ACME
1. Arce Gutiérrez, Juan Miguel 200170322. Ortiz Túpac Yupanqui, Jorge Rolando 200281073. Castro Velarde, Miguel Ángel 200323294. Salazar Ferreyra, Lizbeth Liliana 200402745. Vargas Norabuena, Raúl Isaac 20044057
Grupo 6
1. Problema y Solución2. Algoritmo
• Heurístico: Primero el mejor.• Meta-heurístico: GRASP.• Meta-heurístico: Genético.
3. Conclusiones4. Referencias
Algoritmos Heurístico
Voraz – El Primero, El mejor
• Candidatos• Evaluación progresiva• Exploratorios y validaciones• Sin búsqueda de todas las
alternativa• Soluciones buenas, no óptimas
• Voraz – El primero, el mejor Ordenamiento: Se ordenan los
candidatos por medio de la función objetivo.
Selección: Los candidatos son sometidos a prueba.
Condición: Se cumplen las condiciones de parada solución encontrada
• El problema de la mochila.• El problema de cortes en una
dimensión.• El problema de embalaje de paquetes.• El problema del cambio de dinero.• El problema del enrutamiento de
vehículos.• El problema de la selección de
proyectos de inversión.
Ingreso de Requimientos
Ingreso de Requimientos
InicioInicio
Ordenamiento de Población Ordenamiento de Población
Existe solución y no
existe población
Existe solución y no
existe población
FinFin
Selección de
Candidato
Selección de
Candidato
NoNo
SiSi
Ventajas• Búsqueda de la
solución óptima.• Poca complejidad en
la implementación.• Menor tiempo de
procesamiento en la ejecución del algoritmo
Desventajas• La solución presentada
no siempre es la mejor.• Punto ciego, no cubre
todas las posibles soluciones.
• No operan en forma simultanea varias soluciones, sino de manera secuencial.
• No son adaptativos.
•Creado al final de la década de los 80s con la finalidad de resolver problemas de cubrimiento de conjuntos. •Pertenece a la familia de los algoritmos Meta-Heurísticos. •Se basa en mecanismos estadísticos.
Es un procedimiento iterativo que consiste en dos fases:
•Fase Construcción•Fase Mejoría
Inicio
Fin
Leer requerimientos (monto)
Se ordenan los proyectos desc respecto a la función objetivo
Se terminaron de procesar todos los proyectos o el monto
ya se cubrió
Hallar la Lista Restringida de Candidatos (RCL)
Escoger de manera aleatoria un elemento de la
RCL
Colocar el elemento dentro del conjunto solución de los proyectos a invertir
SI
NO
Ventajas Utiliza lista de candidatos
para cubrir las posibles soluciones.
Utiliza un proceso de selección aleatorio para evitar voracidad.
Implementación sencilla. Tiempo de respuesta
rápido.
Desventajas La solución dependerá de
la constante de relajación (alfa).
Dado que es un método constructivo, es difícil aplicarlo en problemas cuyas soluciones viables sean difíciles de construir.
No se obtienen los óptimos locales en la fase de construcción.
•Problema del cambio de moneda.•Problema de ruta crítica.•Bin packing.•Cortes en una y dos dimensiones.•Cubrimiento de conjuntos.
• Teoría de la Evolución de Darwin• Vida Artificial• Computación Evolutiva
Algoritmos evolutivos• Redes Neuronales
• Algoritmo Evolutivo Evaluación : Se le asigna un fitness a
cada individuo, en función de lo bien que resuelve el problema.
Selección : ¿Quién muere? ¿Quién se reproduce?
Reproducción : Se generan lo nuevos individuos de la población.
Ventajas• Paralelismo• Resolución de
Problemas NP (No Lineales)
• Adaptativos• No tienen
conocimiento previo del problema
Desventajas• Representación del problema• Función Objetivo (Función de
Aptitud)• Parámetros(Tamaño
Población, ritmo de cruzamiento y mutación, etc.)
• Convergencia prematura
Recomendación : No utilizarlo en problemas resolubles de manera analítica
Conclusiones
• Algoritmos con buen tiempo de respuesta.
• Los algoritmos GRASP utilizan gastan menos tiempo que los algoritmos Genéticos.
• No suelen hallarse los óptimos globales pero sí una aproximación muy cercana.
Referencias
• Steven S. Skiena (1998) “The Algorithm Design Manual”• Feo P. and Resende M.G.C (2001) “GRASP: an Annotated
Bibliography” AT&T Labs Research Tech. Report• catarina.udlap.mx/u_dl_a/tales/documentos/lii/
hernandez_r_cm/capitulo3.pdf -