Meta heurística híbrida basada en optimización por mallas variables y búsqueda por agrupamiento evolutivo
Fecha
2013-07-03
Autores
Martínez Pérez, Carlos Alberto
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central “Marta Abreu” de Las Villas
Resumen
El empleo de meta heurísticas, sin lugar a dudas, se ha convertido en una poderosa arma a la hora de resolver problemas complejos de optimización. Estos modelos pueden ser clasificados teniendo en cuenta una gran cantidad de criterios, una de las más vistas es sub dividirlos en meta heurísticas poblacionales y meta heurísticas de trayectoria simple, cada una con características muy propias. La hibridación entre estos enfoques constituye, en la mayoría de los casos, una efectiva propuesta algorítmica para resolver de manera eficiente un problema de optimización. Dicha hibridación se hace mucho más eficaz cuando la búsqueda local es aplicada en las áreas más prometedoras del espacio de soluciones. Esta investigación está encaminada a desarrollar un modelo que combine de manera equilibrada estos factores, tomando como base poblacional para la exploración el modelo basado en mallas variables (VMO) dentro del cual será implementada la búsqueda por agrupamiento evolutivo, estrategia que detecta zonas promisorias en el espacio de soluciones. Sobre dichas zonas será incorporada una etapa de búsqueda local para lograr la explotación de las mismas, con el objetivo de presentar un modelo más robusto. Los resultados de esta investigación son la obtención de distintas variantes de un algoritmo híbrido con mejor comportamiento que el modelo basado en VMO puro o con búsqueda local aplicada sin el empleo de ninguna estrategia inteligente que aporte información sobre cómo y cuándo aplicarla (búsqueda local aplicada a priori), para la resolución de problemas de optimización continua.
The use of metaheuristics, without any doubt, has become a powerful tool to solve complex optimization problems. These models can be classified taking into account different criteria, one of the most used is to subdivide them in population-based metaheuristics and simple trajectory metaheuristics, each with its own characteristics. The hybridization between these two approaches constitutes, in most of the cases, an effective algorithmic proposal to efficiently solve an optimization problem. This hybridization becomes more effective when the local search is applied in the more promising areas of the solution space. This research aims to develop a model that combines these factors in a balanced way, taking as population base for the exploration the model based on variable meshes (VMO), inside which the search by evolutionary grouping will be implemented, strategy that detects promising areas of the solution space. A local search stage over these zones will be incorporated in order to exploit them, with the objective of presenting a more robust model. The results of this research are oriented to obtain different variants of a hybrid algorithm with a better behavior than the pure VMO model or the one with the local search being applied without the use of any intelligent strategy which can give information about when and how to apply it (local search a priori) for the solution of continuous optimization problems.
The use of metaheuristics, without any doubt, has become a powerful tool to solve complex optimization problems. These models can be classified taking into account different criteria, one of the most used is to subdivide them in population-based metaheuristics and simple trajectory metaheuristics, each with its own characteristics. The hybridization between these two approaches constitutes, in most of the cases, an effective algorithmic proposal to efficiently solve an optimization problem. This hybridization becomes more effective when the local search is applied in the more promising areas of the solution space. This research aims to develop a model that combines these factors in a balanced way, taking as population base for the exploration the model based on variable meshes (VMO), inside which the search by evolutionary grouping will be implemented, strategy that detects promising areas of the solution space. A local search stage over these zones will be incorporated in order to exploit them, with the objective of presenting a more robust model. The results of this research are oriented to obtain different variants of a hybrid algorithm with a better behavior than the pure VMO model or the one with the local search being applied without the use of any intelligent strategy which can give information about when and how to apply it (local search a priori) for the solution of continuous optimization problems.
Descripción
Palabras clave
Metaheurística Híbrida, Optimización Continua, Mallas Variables, Búsqueda Local, Agrupamiento Evolutivo