ALGORITMO DE TEMPLADO SIMULADO Simulated annealing (SA) o recocido simulado es un algoritmo de bsqueda meta-heurstica para problemas de optimizacin global;

el objetivo geneneral de este tipo de algoritmos es encontrar una buena aproximacin al valor ptimo de una funcin en un espacio de bsqueda grande. A este valor ptimo se lo denomina "ptimo global" El nombre e inspiracin viene del proceso de recocido del acero y cermicas, una tcnica que consiste en calentar y luego enfriar lentamente el material para variar sus propiedades fsicas. El calor causa que los tomos aumenten su energa y que puedan as desplazarse de sus posiciones iniciales (un mnimo local de energa); el enfriamiento lento les da mayores probabilidades de recristalizar en configuraciones con menor energa que la inicial (mnimo global). El mtodo fue descrito independientemente por Scott Kirkpatrick, C. Daniel Gelatt y Mario P. Vecchi en 1983 y por Vlado ern en 1985. El mtodo es una adaptacin del algoritmo Metropolis-Hastings, un mtodo de Montecarlo utilizado para generar muestras de estados de un sistema termodinmico. Este algoritmo se basa en la metaheurstica de la relacin entre el proceso qumico del recocido y la optimizacin combinatoria. La relacin entre ambas se muestra a continuacin: Configuracin cristalina => Solucin factible. Configuracin cristalina de mnima energa => Solucin ptima. Energa de la configuracin => Coste de la solucin. Temperatura => Parmetro de control.

Por ser un mtodo iterativo necesita partir de una solucin inicial, la eleccin de esta nos determinar el coste computacional del resultado obtenido, aunque al ser un mtodo estocstico no ser tan crtica como en los mtodos directos como gradiente-conjugado o Newton. Temperatura inicial. Si dicha temperatura es demasiado alta sern necesarias ms iteraciones y el mtodo tardar ms en converger, si por el contrario es baja no llegar al mnimo. La solucin sera partir de una temperatura alta y realizar pasos pequeos pero el problema sera intratable computacionalmente. Debe ser seleccionada con la idea de que casi todas las transiciones entre los estados sean aceptadas. Esquema de enfriamiento. Determina como se va a realizar el descenso de la temperatura. Normalmente es usado un descenso geomtrico de la forma: Tnew = kTold donde k toma valores entre 0.80 y 0.99. Temperatura mnima. Tiene que ser suficientemente baja para permitir llegar al mximo global. Tiempo antes de la disminucin de temperatura. Normalmente se usan nmero de iteraciones entre cada descenso de temperatura. Criterio de parada. Se pueden considerar 3 mtodos: o Tolerancia. Suponiendo que se conoce tericamente una solucin. o Cantidad de iteraciones. o Cambios relativos entre sucesivas iteraciones. Movimientos. Determina como se realizan los cambios de parmetros. Deben ser inteligentes, es decir, estudiados matemticamente para cada caso en particular. Tambin son usados mutaciones y cruces. Un mtodo sencillo de implementar sera realizar pequeas alteraciones en un parmetro aleatorio.

ENCONTRAR EL TIPICO VALOR DE PROBABILIDAD DE CONMUTACION DE CROSSOVER PARA ALGORITMOS GENETICOS Para valores largos de .5 a 1 ALGORITMOS GENETICOS Un algoritmo gentico es un mtodo de bsqueda que imita la teora de la evolucin biolgica de Darwin para la resolucin de problemas. Para ello, se parte de una poblacin inicial de la cual se seleccionan los individuos ms capacitados para luego reproducirlos y mutarlos para finalmente obtener la siguiente generacin de individuos que estarn ms adaptados que la anterior generacin. Los pasos bsicos de un algoritmo gentico son: Evaluar la puntuacin de cada uno de los cromosomas generados. Permitir la reproduccin de los cromosomas siendo los ms aptos los que tengan ms probabilidad de reproducirse. Con cierta probabilidad de mutacin, mutar un gen del nuevo individuo generado. Organizar la nueva poblacin.

Tamao de la Poblacin
Este parmetro nos indica el nmero de cromosomas que tenemos en nuestra poblacin para una generacin determinada. En caso de que esta medida sea insuficiente, el algoritmo gentico tiene pocas

posibilidades de realizar reproducciones con lo que se realizara una bsqueda de soluciones escasa y poco ptima. Por otro lado si la poblacin es excesiva, el algoritmo gentico ser excesivamente lento. De hecho estudios revelan que hay un lmite a partir del cual es ineficiente elevar el tamao de la poblacin puesto que no se consigue una mayor velocidad en la resolucin del problema.

Probabilidad de Cruce
Indica la frecuencia con la que se producen cruces entre los cromosomas padre es decir, que haya probabilidad de reproduccin entre ellos. En caso de que no exista probabilidad de reproduccin, los hijos sern copias exactas se los padres. En caso de haberla, los hijos tendrn partes de los cromosomas de los padres. Si la probabilidad de cruce es del 100% el hijo se crea totalmente por cruce, no por partes.

Probabilidad de Mutacin
Nos indica la frecuencia con la que los genes de un cromosoma son mutados. Si no hay mutacin, los descendientes son los mismos que haba tras la reproduccin. En caso de que haya mutaciones, parte del cromosoma descendiente es modificado y si la probabilidad de mutacin es del 100%, la totalidad del cromosoma se cambia. En este caso, no se cambian simplemente unos bits del cromosoma sino que se cambian todos, lo que significa que se produce una inversin en el cromosoma y no una mutacin por lo que la poblacin

degenera muy rpidamente.