Professional Documents
Culture Documents
http://personales.upv.es/vyepesp/
Optimización heurística en
proyecto y construcción
Modelización
Optimización
Modelo matemático
Optimizar f(x)
sujeto a (s.a.)
x∈X⊆Ω
Donde:
x representa una solución.
f(x) es la evaluación de una función objetivo
arbitraria, f, de acuerdo con x.
X es el espacio factible de soluciones.
Ω es el espacio posible.
Algoritmos
Orden de magnitud de
un algoritmo
Optimización combinatoria
Optimización combinatoria
Optimización combinatoria
Optimización combinatoria:
“contiene los dos elementos que hacen atractivo un
problema a los matemáticos: planteamiento sencillo y
dificultad de resolución” (Garfinkel, 1985)
Explosión combinatoria
Inviabilidad en
muchos casos reales
Aportación de soluciones
Procedimientos
satisfactorias
de resolución
Resolución en tiempo
aproximados
razonable
Máster Oficial en Transporte, Territorio y Urbanismo >ValenciaCurso2008/09
Técnicas heurísticas
Técnicas heurísticas
Técnicas heurísticas
Técnicas heurísticas
Técnicas heurísticas
Técnicas heurísticas
Técnicas heurísticas
• Principal limitación:
– No garantiza la solución óptima
Técnicas metaheurísticas
Algoritmos
Inteligencia genéticos
artificial Evolución
Lógica borrosa biológica
Algoritmos
Redes
meméticos
neuronales
Búsqueda
METAHEURÍSTICAS Estrategias
tabú evolutivas
GRASP Comportamiento
Búsqueda Mecánica de los insectos
local guiada estadística
Colonias de
Búsqueda hormigas
... Aceptación
local iterada Cristalización
por umbrales
simulada ...
Técnicas metaheurísticas
Robustez
Comparación
Tiempo de Calidad de
entre
cálculo la solución
estrategias
Óptimos de Pareto
Búsqueda local
Local Search (LS)
Búsqueda local
Movimiento, operación o
transformación:
Modificación de una solución
actual a otra mediante una regla
determinada.
Entorno o vecindario:
Conjunto de soluciones a las cuales se puede llegar desde
una solución de partida mediante un movimiento
determinado.
Óptimo de un entorno:
Solución que presenta una mejor función objetivo del
entorno definido por una solución inicial, incluyéndose ella
misma.
Máster Oficial en Transporte, Territorio y Urbanismo >ValenciaCurso2008/09
Búsqueda local
• Criterios de parada:
– Llegada a óptimo local por ser imposible la
mejora.
– Terminación tras un número determinado de
iteraciones o de tiempo de cálculo.
– Terminación tras un número determinado de
iteraciones sin mejora.
Determinista Aleatorio
Primer •A veces llega a •Muy empleado
óptimos locales cuando el orden de
descenso mejores. búsqueda puede
First Best •Más rápido. influir
•Dependencia del negativamente en la
orden de búsqueda. búsqueda.
• INCONVENIENTES:
– “Miopía”: no se garantiza que el óptimo
local sea el global.
– Dependencia de la solución inicial.
– Al ser un algoritmo secuencial no
permite el cálculo en paralelo en varios
procesadores.
• ¡IDEA!
– Permitir utilizar movimientos que
empeoren la función objetivo.
– Dos problemas:
• El procedimiento se puede ciclar, revisitando
soluciones ya vistas.
• Hay que establecer un criterio de parada ya
que un procedimiento de dichas características
podría iterar indefinidamente.
aleatorios.
Máster Oficial en Transporte, Territorio y Urbanismo >ValenciaCurso2008/09
Algoritmos basados en
umbrales
Threshold Accepting (TA)
Demon Algorithms (DA)
s 0; T
Descripción genérica de
la aceptación por
i=0
umbrales (Threshold
Accepting)
Elegir
∈N(si)
s’∈
i=i+1
¿Criterio
de parada
? SI
NO
NO SI Óptimo
¿f(s’)<f(si)+T
si+1=s’ local si
?
Máster Oficial en Transporte, Territorio y Urbanismo >ValenciaCurso2008/09
T0 Medina (2001)
Movimientos
Ciclo de iteraciones Minoración del umbral
¿0,1<A% No T = T0 ⋅ (1 − x )
T0 ← 2 T0
T = T0 exp(− ln 2 ⋅ x α )
?
Si
No
¿A%<0,3
?
T0 ← T0 / 2 Reducción umbral inicial en
cada ciclo
Si
T0 T0 = T0' ⋅ k
Máster Oficial en Transporte, Territorio y Urbanismo >ValenciaCurso2008/09
Lo marca la solución
Puede subir y bajar actual y un margen de
(Threshold Accepting) salvaguarda
Cota de energía
A ritmo constante
(Great Deluge Algorithm)
• Observaciones a SA y TA:
– No se sabe “a priori” cuanto va
a tardar el algoritmo, salvo que
lo detengamos cuando
transcurra un tiempo
determinado.
• De hecho si dedicamos más
tiempo, es probable encontrar
mejores soluciones.
– SA y TA son “ciegos” a las
características del problema.
i=0
Elegir
s’∈N(si)
si no
si+1=s’ ¿f(s’)<f(si)+Ti? si+1=s’
Ti+1=Ti-decr(Ti) Ti+1=Ti+decr(Ti)
si no
¿i<M? si
Máster Oficial en Transporte, Territorio y Urbanismo >ValenciaCurso2008/09
http://personales.upv.es/vyepesp/
Optimización heurística en
proyecto y construcción