Algoritmo Híbrido basado en VMO y ECS. Implementación y Validación.
Date
2013-07-04
Authors
Ruiz Manzo, Sergio Luis
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Central “Marta Abreu” de Las Villas
Abstract
La hibridación entre meta heurísticas poblacionales y meta heurísticas de trayectoria
simple constituye, en la mayoría de los casos, una efectiva propuesta algorítmica para
resolver complejos problemas de optimización continua. Una buena explotación de las
soluciones ya encontradas, así como una correcta exploración del espacio de búsqueda son
factores imprescindibles para obtener soluciones de calidad. Dicha hibridación se hace
mucho más eficaz cuando la búsqueda local es aplicada en las áreas más prometedoras del
espacio de soluciones. Esta investigación estará encaminada a implementar y validar un
modelo que combina de manera equilibrada estos factores, tomando como base poblacional
para la exploración el modelo basado en Mallas Variables 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 a priori para la resolución de problemas de
optimización continua.
Hybridization between populational metaheuristics and simple path metaheuristics constitutes, in the majority of cases, an effective algorithmic approach to solve complex problems of continues optimization. A good operation of the solutions already encountered, and a good search space exploration are essential factors to obtain quality solutions. Such hybridization is much more effective when local search is applied in the most promising areas of the solution space. This research will aim to implement and validate a model that in a balanced way combines these factors, using the model based on VMO for the exploration in which will be implemented the Evolutionary Clustering Search, strategy that detects promising areas in the solution space. On such areas will be incorporated a stage of local search to achieve exploiting them, in order to present a more robust model. The results of this research are to obtain different variants of a hybrid algorithm that improve the model based on VMO without local search or with local search applied a priori for solving continuous optimization problems.
Hybridization between populational metaheuristics and simple path metaheuristics constitutes, in the majority of cases, an effective algorithmic approach to solve complex problems of continues optimization. A good operation of the solutions already encountered, and a good search space exploration are essential factors to obtain quality solutions. Such hybridization is much more effective when local search is applied in the most promising areas of the solution space. This research will aim to implement and validate a model that in a balanced way combines these factors, using the model based on VMO for the exploration in which will be implemented the Evolutionary Clustering Search, strategy that detects promising areas in the solution space. On such areas will be incorporated a stage of local search to achieve exploiting them, in order to present a more robust model. The results of this research are to obtain different variants of a hybrid algorithm that improve the model based on VMO without local search or with local search applied a priori for solving continuous optimization problems.
Description
Keywords
Hibridación, Heurísticas Poblacionales, Problemas de Optimización Continua, Algoritmos, Modelación, Búsqueda por Agrupamiento Evolutivo