Estrategia evolutiva para el problema de la supersecuencia común más corta

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Estrategia evolutiva para el problema de la supersecuencia común más corta"

Transcripción

1 Estrategia evolutiva para el problema de la supersecuencia común más corta Marcela Rivera Martínez Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla Luis René Marcial Castillo Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla María de Lourdes Sandoval Solís Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla Sira Allende Alonso Facultad de Matemática y Computación, Universidad de la Habana Resumen El problema de la supersecuencia común más corta es un problema NP y tiene aplicaciones en compresión de datos, ingeniería mecánica, biología molecular y planeación entre otros. Este problema ha sido abordado de diversas formas, en este trabajo se propone modelar el problema de la supersecuencia común más corta con una estrategia evolutiva. Se presentan varios experimentos usando problemas prueba reportados en la literatura y se comparan los resultados con los obtenidos en otros trabajos. Palabras clave: supersecuencia común más corta; estrategia evolutiva; job shop. 1 Introducción El problema de la supersecuencia común más corta (shortest common supersequence, SCS) es un problema NP-duro bajo ciertas restricciones concernientes al tamaño del alfabeto y la longitud de las cadenas [10, 20]. El problema de la SCS tiene aplicaciones en compresión de datos, ingeniería mecánica, planeación y biología molecular entre otros [12]. El problema de la supersecuencia común más corta está dado de la siguiente forma: Dado un lenguaje L sobre un alfabeto, se desea encontrar una de las cadenas w de menor longitud que sea una supersecuencia de L. Se dice que S es una supersecuencia de una cadena T, si S se puede obtener desde T mediante la inserción de cero o más símbolos de la misma cadena. Ejemplo: Dado = {a, b} y L = {ab, ba}; las siguientes cadenas son supersecuencias de L: abba, aabba, aba, bab. No son las únicas, existen muchas más, se dice que todas ellas son supersecuencias porque cada una de ellas contiene a todas las cadenas de L (aún cuando no las contengan de manera contigüa). Ahora bien, las supersecuencias

2 comunes más cortas son dos y son: S = aba y S = bab. Ambas son supersecuencias de L y son las más cortas porque ambas son de longitud 3, se denota: S = 3, es decir, la supersecuencia puede no ser única. Existen diferentes formas de resolver el problema de la SCS, entre ellas se tienen: Algoritmos secuencia por secuencia. Este tipo de algoritmos construyen la supersecuencia tomando pares de cadenas, la forma de elegir esos pares de cadenas varía dependiendo del algoritmo, entre ellos tenemos el algoritmo de programación dinámica [6], el algoritmo de torneo, etc. Algoritmos de reducción y/o expansión. Inician con alguna supersecuencia común del lenguaje L y van eliminando (y/o expandiendo) dicha supersecuencia, entre ellos están el algoritmo de reducciónexpansión [11], el algoritmo de Hubbell-Morris-Winkler [7], etc. Algoritmos símbolo por símbolo. La supersecuencia se construye símbolo a símbolo considerando algún factor que involucra a todas las cadenas del Lenguaje, Majority Merge [3], H1, H2, H3 [2, 16] son algoritmos de éste tipo. Debido a la complejidad del problema, se han abordado varias formas de resolver el problema, algunas de ellas combinan heurísticas específicas del problema con alguna heurística clásica. En este trabajo se modela el problema proponiendo una estrategia evolutiva, para ello se considera la función de aptitud como la longitud de la suepersecuencia común, en donde se utilizan dos reducciones distintas, se propone una representación del espacio de soluciones y se llevan a cabo dos diferentes tipos de mutaciones con el fin de resolver el problema de la SCS. En la siguiente sección se dará un bosquejo general de las estrategias evolutivas, para posteriormente presentar el algoritmo que resuelve el problema de la SCS y explicar en la siguiente subsección cada uno de los puntos del algoritmo; la sección 3 muestra los experimentos que se llevaron a cabo en este trabajo así como los resultados obtenidos; las conclusiones se exponen en la sección 4 y finalmente se listan las referencias consultadas para el desarrollo de éste trabajo. 2. Estrategia evolutiva Esta técnica de optimización basada en el principio de evolución de Darwin, fue originalmente desarrollada por Rechenberg [14, 15] y llevada a su forma actual por Schwefel [17, 18]. Imitan principios de la evolución natural, asociando el concepto de individuo o miembro a una solución factible del problema, y el de población a un conjunto de individuos (soluciones factibles). Los individuos se evalúan a través de una función de aptitud (fitness) que corresponde a una medida de la calidad del individuo como solución del problema [9]. La recombinación de los individuos permite la evolución de una población de generación en generación Algoritmo A continuación se presenta el algoritmo utilizado en la solución del problema de la supersecuencia común más corta. Entrada: Lenguaje L y alfabeto 1. Generar la población inicial 2. Desde 1 hasta la cantidad de generaciones hacer 2.1 Evaluar la población de forma colectiva 2.2 Seleccionar la población a mutar 2.3 Desde 1 hasta la cantidad de cadenas a mutar Aplicar mutación Evaluar individualmente Seleccionar la nueva población

3 2.4 Fin de Fin de 2 SALIDA: Supersecuencia común de L bajo el alfabeto así como la longitud de dicha supersecuencia Modelación del problema El problema de la supersecuencia común más corta, está conformado por un conjunto k de cadenas c i cada una de ellas de tamaño n i. El cromosoma se representa con valores enteros de tamaño n 1 +n 2 + n k, y cada valor entero entre 1 y k, de esta forma la población inicial se genera concatenando aleatoriamente todas las cadenas en L, esto garantiza que toda la población inicial sea factible. En este algoritmo se presentan dos evaluaciones una colectiva y otra individual que aparece en la parte de mutación. La evaluación de forma colectiva, se refiere a que todos los individuos de la población serán evaluados de acuerdo a una función de aptitud. La función de aptitud está dada por la longitud de la supersecuencia común más pequeña obtenida al aplicarle dos reducciones: R1 seguida de R2 y viceversa [13]. La primera reducción (R1) consiste en dada la supersecuencia común de L (S ), es decir, un individuo de la población inicial, de tamaño p considerando S de izquierda a derecha, ir marcando en una matriz M kxp aquellos caracteres que correspondan a la cadena k de L, hacer esto para cada cadena que está en L, posteriormente, eliminar de S aquellos caracteres que correspondan a las columnas cuya suma al final de revisar todas las cadenas de L sea cero, lo cual significa que el símbolo no se utiliza. Ejemplo: Dado = {a, b} y L = {ab, ba} y la cadena w = abba, se aplica R1. Se construye una matriz M 2x4, se verifica para la primera cadena de L (ab) y se marcan en la matriz de izquierda a derecha la posición cuyo carácter coincida con el símbolo de la cadena del lenguaje, lo mismo se hace para la cadena restante de L y al final se suman la cantidad de columnas marcadas, se obtiene lo siguiente: a b b a X X M X X Como se puede observar la tercera columna tiene un valor de cero, lo cual significa que se puede prescindir de ésta. En la segunda reducción (R2) se realiza el mismo procedimiento pero se hace considerando S de derecha a izquierda. Ejemplo: Dado = {a, b} y L = {ab, ba} y la cadena w = abba, se aplica R2. Se construye una matriz M 2x4, se verifica para la primera cadena de L (ab) y se marcan en la matriz de derecha a izquierda la posición cuyo carácter coincida con el símbolo de la cadena del lenguaje, lo mismo se hace para la cadena restante de L y al final se suman la cantidad de columnas marcadas, se obtiene lo siguiente: a b b a X X M X X Como se puede observar la segunda columna tiene un valor de cero, lo cual significa que se puede prescindir de ésta, es decir, se puede eliminar el símbolo correspondiente a la columna y seguir siendo una supersecuencia común. La selección de los individuos a mutar, se realiza de manera elitista considerando a aquellos que tengan una mejor evaluación, dado que el problema es de minimización, serán aquellos que tengan una menor evaluación en la función de aptitud.

4 Para el problema de la supersecuencia común más corta, se aplican dos tipos de mutación: la mutación por inversión y la mutación por desplazamiento. En la mutación por inversión, se generan dos números diferentes aleatorios entre 1 y p-1 posteriormente se invierte la subcadena correspondiente. Ejemplo: Sea el individuo , si los valores de las posiciones generados aleatoriamente son el 2 y el 5, lo cual correspondería las subcadena cuyos elementos son , y la inversión de dicha subcadena resulta ser , por lo tanto el individuo mutado es: La mutación por desplazamiento, realiza un corrimiento hacia la derecha, esto es, todos los alelos se recorren una posición hacia la derecha, en el caso del primer elemento, se hace de forma circular, pasando a ser ahora el último elemento. Ejemplo: Dado el individuo , el nuevo individuo mutado es: Posteriormente a esto, se evalúa de manera individual, esta evaluación, se aplica a los individuos mutados, para ello se forma una nueva función de aptitud la cual consiste de una reducción símbolo por símbolo seguida de una reducción por intercambio de izquierda a derecha y se finaliza con una reducción por intercambio de derecha a izquierda [4]. A continuación se describen cada una de éstas reducciones. La reducción símbolo por símbolo consiste en ir eliminado un símbolo cada vez, en orden consecutivo, desde 1 hasta p (longitud de S ), donde S es el tamaño de la concatenación aleatoria de las cadenas de L, seguido de esto se verifica que la nueva cadena encontrada w, sea una supersecuencia común de L bajo el alfabeto, si la cadena cumple con lo anterior es considerada, en caso contrario no se considera. En la reducción por intercambio de izquierda a derecha se realizan permutaciones de los símbolos en las posiciones j y j+1 desde 1 hasta p-1, verificándose posterior a esto que la cadena obtenida sea una supersecuencia común de L bajo, si la cadena cumple con lo anterior es considerada, en caso contrario no se considera. La reducción por intercambio de derecha a izquierda es similar, salvo que ahora se intercambian los símbolos desde p hasta 2. A continuación se selecciona la nueva población de manera elitista. 3 Experimentos y resultados El problema de transformar un job shop en un flow shop puede verse como el problema de la supersecuencia común más corta, cuando se desea minimizar la cantidad de máquinas donde todos los trabajos se ejecuten en un orden específico, la analogía que se utiliza es la siguiente: el alfabeto estará constituido por las máquinas y el lenguaje contendrá las secuencias [5]. Se utilizaron cuarenta problemas prueba correspondientes a instancias de job shop: la01-la20 [8], orb01-orb10 [1] y swv01-swv10 [19]. Las pruebas se realizaron en una máquina Intel Core i7, 2.2 Ghz, 8 Gb RAM. Se utilizaron 15 generaciones, un porcentaje de mutación del 10% y una población inicial de 18*m individuos, donde m es la cantidad de cadenas. Los resultados se presentan a continuación, en una tabla, la cual tiene la siguiente estructura: la primera columna nos indica el nombre del archivo de prueba (la, orb, swv), la segunda columna proporciona la cantidad de trabajos (n), la cantidad de máquinas (m) se reporta en la tercera columna, la cuarta columna es el resultado reportado en [4] en donde se resuelve el problema utilizando un algoritmo de búsqueda tabú, el valor que se presenta en la quinta columna corresponde a los resultados reportados en [13] aquí se utiliza una colonia de hormigas para resolver el problema, los resultados reportados tanto en [4] como en [13] son los mejores resultados reportados en la literatura para este problema, la columna seis muestra los resultados obtenidos en ése trabajo.

5 Tabla1: Resultados para los problemas la s NOMBRE n m FRAMIÑAN ACO EE la la la la la la la la la la la la la la la la la la la la Como puede observarse en la tabla 1, en donde se encuentran subrayados loe mejores valores encontrados, de los veinte problemas prueba, en 16 el resultado obtenido por la estrategia evolutiva logra igualar al mejor encontrado y reportado por Framiñan y/o Rajendran, en cuatro problemas, no encuetra el mejor reportado y en un problema mejora al mejor reportado en [4] y [13]. En la tabla 2 se observa que la estrategia evolutiva llega al mismo resultado que el mejor reportado en 9 ocasiones de 20 problemas prueba, no logra igual el mejor resultado reportado en 9 de veinte (valores en cursiva) y la estrategia evolutiva mejora el resultado en 1 problema. Por lo tanto, de los cuarenta problemas prueba, se tiene que la estrategia evolutiva mejora los resultados en un 5%, se iguala en un 62.5% y en un 30% no llega al resultado reportado en [4] y/o 13.

6 Tabla 2: Resultados para los problemas orb s y swv s NOMBRE n m FRAMIÑAN ACO EE orb orb orb orb orb orb orb orb orb orb swv swv swv swv swv swv swv swv swv swv Conclusiones Se presenta una nueva forma de solucionar el problema de la supersecuencia común más corta. Se verifica la propuesta con problemas prueba de la literatura y al compararse con resultados de otras técnicas se obtienen buenos resultados. Como trabajo futuro, se implementarán otras variantes de la estrategia evolutiva. Referencias 1. D. Applegate, W. Cook. A computational study of the job-shop problem. ORSA Journal of Computing, 3, , J. Branke, M Middendorf, F. Schneider. Improved heuristic and a genetic algorithm for finding short supersequences. OR Spektrum. Vol. 20, 39 45, D. Foulser, M. Li, Q. Yang. Theory and algorithms for plan merging, Artificial Intelligence. vol. 5, , J. M. Framiñan. Efficient heuristic approaches to transform job shops into flow shops. IIE Transactions, 37, , 2005.

7 5. J. M. Framiñan and R. Ruiz-Usano. On transforming job-shops into flow-shop, Production Planning and Control, 13, , C. B. Fraser, R. W. Irving. Approximation algorithms for the shortest common supersequence. Nordic Journal of Computing. Vol. 2, , E. A. Hubbell, M. S. Morris, and J. L. Winkler. Computeraided engineering system for design of sequence arrays and lithographic masks. US Patent , S. Lawrence. Resource constrained project scheduling: an experimental investigation of heuristic scheduling techniques, Technical report, Carnegic-Mellon University, Pittsburgh, PA, Z. Michalewicz. Genetic Algorithms+Data Structures=Evolution Programs, 3a ed., Springer, M. Middendorf. More on the complexity of common superstring and supersequence problems. Theoretical Computer Science. Vol. 125, , K. Ning and Hon Wai L. Towards a better solution to the shortest common supersequence problem: the deposition and reduction algorithm. BMC Bioinformatics. 7(4):S12, S. Rahmann. The shortest common supersequence problem in a microarray production setting Approximation algorithms for the shortest common supersequence. Bioinformatics, Vol. 19, , S. Rajendran, C. Rajendran and H. Ziegler. An Ant-Colony Algorithm to Transform Jobshops into Flowshops: A Case of Shortest-Common-Supersequence Stringology Problem. Bio-Inspired Models of Network, Information, and Computing Systems Lecture Notes of the Institute for Computer Science, Social Informatics and Telecomunications Engineering. Vol. 87, , I. Rechenberg. Evolutions strategie 94, Frommann-Holzboog Verlag, I. Rechenberg. Evolutions strategie: Optimierung Technischer Systeme Nach Prinzipien Der Biologischen Evolution, Frommann-Holzboog, Verlag, Stuttgart, M. Rivera, L. R. Marcial, L Sandoval. Heurísticas para resolver el problema de la Supersecuencia Común más corta. Research in Computing Science, 60, 55-64, H. P. Schwefel. Evolution and Optimum Seeking, Wiley, H. P. Schwefel. Evolution Strategies: A Family of Non Linear Optimization Techniques Based on Imitating Some Principles of Organic Evolution. Annals of Operations Research, volumen 1, , R. H. Storer, S. D. Wu, R. Vaccari. New search spaces for sequencing problems with application to job shop scheduling. Management Science, 38, , V. G. Timkovsky. Complexity of common subsequence and supersequence problems and related problems. Cybernetics and Systems Analysis. Vol. 25, , 1990.

Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling

Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling Un modelo híbrido de inteligencia computacional para resolver el problema de Job Shop Scheduling Jacob Meneses Angel, Marcela Rivera Martínez, Luis René Marcial Castillo, Sandoval Solís Lourdes Benemérita

Más detalles

Flow-Shop Dinámico. Por: Juan Carlos Rivera Samuel De Greiff

Flow-Shop Dinámico. Por: Juan Carlos Rivera Samuel De Greiff Flow-Shop Dinámico Por: Juan Carlos Rivera Samuel De Greiff 1 Configuración tipo Flow- Shop Disposición lineal de los equipos. Productos con altos niveles de estandarización. Varios productos en volúmenes

Más detalles

ESTRATEGIAS EVOLUTIVAS COMO UNA OPCIÓN PARA LA OPTIMIZACIÓN DE FUNCIONES NO LINEALES CON RESTRICCIONES

ESTRATEGIAS EVOLUTIVAS COMO UNA OPCIÓN PARA LA OPTIMIZACIÓN DE FUNCIONES NO LINEALES CON RESTRICCIONES Revista Ingenierías Universidad de Medellín ESTRATEGIAS EVOLUTIVAS COMO UNA OPCIÓN PARA LA OPTIMIZACIÓN DE FUNCIONES NO LINEALES CON RESTRICCIONES Diana M. Ortiz Juan David Velásquez H Patricia Jaramillo

Más detalles

ESTRATEGIAS EVOLUTIVAS PARA LA SELECCIÓN AUTOMATIZADA DE POLOS PARA LA ESTABILIZACIÓN DE UN SISTEMA DINÁMICO

ESTRATEGIAS EVOLUTIVAS PARA LA SELECCIÓN AUTOMATIZADA DE POLOS PARA LA ESTABILIZACIÓN DE UN SISTEMA DINÁMICO III Congreso Internacional sobre Métodos Numéricos en Ingeniería y Ciencias Aplicadas S. Gallegos, I. Herrera, S. Botello, F. Zárate, y G. Ayala (Editores) ITESM, Monterrey 2004 CIMNE, Barcelona 2004 ESTRATEGIAS

Más detalles

Jhoan Sebastián Cadavid Jaramillo Ingeniero Industrial, Universidad Nacional de Colombia, jscadav0@unal.edu.co RESUMEN

Jhoan Sebastián Cadavid Jaramillo Ingeniero Industrial, Universidad Nacional de Colombia, jscadav0@unal.edu.co RESUMEN PROBLEMA DE PROGRAMACIÓN DE PRODUCCIÓN ABIERTA CON CARACTERÍSTICAS DE MÁQUINAS MÓVILES DEDICADAS Y CON TIEMPOS DE PREPARACIÓN DEPENDIENTES DE LA SECUENCIA ENTRE ETAPAS Alexander Alberto Correa Espinal

Más detalles

Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos

Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos MT 6 Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos Rosario Baltazar 1 Judith Esquivel Vázquez 2 Andrea Rada 3 Claudia Díaz 4 Resumen Durante los últimos 15

Más detalles

Estrategias evolutivas para la minimización del makespan en una máquina con tiempos de preparación dependientes de la secuencia

Estrategias evolutivas para la minimización del makespan en una máquina con tiempos de preparación dependientes de la secuencia Ingeniería Investigación y Tecnología, volumen XV (número 1), enero-marzo 2014: 1-10 ISSN 1405-7743 FI-UNAM (artículo arbitrado) Estrategias evolutivas para la minimización del makespan en una máquina

Más detalles

Uso de algoritmos genéticos para resolver el modelo determinista y estocástico para el diseño de una red de recogida de residuos

Uso de algoritmos genéticos para resolver el modelo determinista y estocástico para el diseño de una red de recogida de residuos International Conference on Industrial Engineering & Industrial Management - CIO 2007 1443 Uso de algoritmos genéticos para resolver el modelo determinista y estocástico para el diseño de una red de recogida

Más detalles

SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO

SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO Paolo Priore Moreno Raúl Pino Diez Alberto Gómez Gómez UNIVERSIDAD DE OVIEDO Una forma habitual de secuenciar de modo dinámico

Más detalles

Una permutación eficiente para minimizar la suma de los tiempos de acabado de "n" trabajos en "m" máquinas Freddy Abarca R. fabarca@ic-itcr.ac.

Una permutación eficiente para minimizar la suma de los tiempos de acabado de n trabajos en m máquinas Freddy Abarca R. fabarca@ic-itcr.ac. Una permutación eficiente para minimizar la suma de los tiempos de acabado de "n" trabajos en "m" máquinas Freddy Abarca R. fabarca@ic-itcr.ac.cr El problema de la asignación de cargas de trabajo, a pesar

Más detalles

Tareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15%

Tareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15% Introducción a la Computación Evolutiva Dr. Carlos Artemio Coello Coello CINVESTAV-IPN Departamento de Computación Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México, D.F. 07360

Más detalles

Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling

Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling Comportamiento de los parámetros principales de un Algoritmo Genético para el Flow Shop Scheduling Yunior César Fonseca Reyna Universidad de Granma E-mail: fonseca@udg.co.cu Temática: Inteligencia Artificial

Más detalles

Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo

Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo Selección Sexual Discriminatoria en un Algoritmo Evolutivo con una Matriz de Preferencias para la mejora de calidad de los Horarios de Trabajo Víctor Arroyo Ciencia de la Computación Universidad Católica

Más detalles

Programación de la producción en talleres de flujo con máquinas sin interrupción. Algoritmos y aplicaciones *

Programación de la producción en talleres de flujo con máquinas sin interrupción. Algoritmos y aplicaciones * 3 rd International Conference on Industrial Engineering and Industrial Management XIII Congreso de Ingeniería de Organización Barcelona-Terrassa, September 2nd-4th 2009 Programación de la producción en

Más detalles

Un algoritmo genético para el problema de Job Shop Flexible

Un algoritmo genético para el problema de Job Shop Flexible Ingeniare. Revista chilena de ingeniería, vol. 19 Nº 1, 2011, pp. 53-61 Un algoritmo genético para el problema de Job Shop Flexible A genetic algorithm for the Flexible Job Shop problem Rosa Medina Durán

Más detalles

Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales

Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Jorge Salas Chacón A03804 Rubén Jiménez Goñi A93212 Juan Camilo Carrillo Casas A91369 Marco Vinicio Artavia Quesada

Más detalles

Introducción a los Algoritmos Genéticos

Introducción a los Algoritmos Genéticos Marcos Gestal Pose Depto. Tecnologías de la Información y las Comunicaciones Universidade da Coruña http://sabia.tic.udc.es/ mgestal mgestal@udc.es Índice 1. Introducción 2 2. Orígenes 2 3. Bases Biológicas

Más detalles

Análisis Comparativo de Heurísticas para el Problema de Calendarización de Trabajos con Transferencia Cero

Análisis Comparativo de Heurísticas para el Problema de Calendarización de Trabajos con Transferencia Cero Análisis Comparativo de Heurísticas para el Problema de Calendarización de Trabajos con Transferencia Cero Beatriz Pérez Rojas Departamento de Sistemas Computación Instituto Tecnológico de Puebla am120@cs.buap.m

Más detalles

FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN

FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN Vicente Valls 1, Jose Manuel Belenguer 1, Pilar Lino

Más detalles

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Pablo Ezzatti CeCal, Facultad de Ingeniería Universidad de la República, Uruguay pezzatti@fing.edu.uy Sergio Nesmachnow

Más detalles

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores

Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Un algoritmo evolutivo simple para el problema de asignación de tareas a procesadores Pablo Ezzatti CeCal, Facultad de Ingeniería Universidad de la República, Uruguay pezzatti@fing.edu.uy Sergio Nesmachnow

Más detalles

Optimización inspirada en la naturaleza

Optimización inspirada en la naturaleza Optimización inspirada en la naturaleza Efrén Mezura-Montes Laboratorio Nacional de Informática Avanzada (LANIA AC) Xalapa, Veracruz, MEXICO emezura@lania.mx http://www.lania.mx/~emezura 10ª feria de Posgrados

Más detalles

Experimentos con Algoritmos Genéticos para resolver un problema real de Programación Maestros-Horarios-Cursos

Experimentos con Algoritmos Genéticos para resolver un problema real de Programación Maestros-Horarios-Cursos Experimentos con Algoritmos Genéticos para resolver un problema real de Programación Maestros-Horarios-Cursos Pedro FLORES, Ernesto BRAU, Jazmín A. MONTEVERDE, Norman F. SALAZAR, José FIGUEROA, Eliseo

Más detalles

METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN

METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN METAHEURÍSTICA ACO APLICADA A PROBLEMAS DE PLANIFICACIÓN EN ENTORNOS DINÁMICOS de San Pedro M., Pandolfi D., Lasso M., Villagra A. Laboratorio de Tecnologías Emergentes (LabTEm) Proyecto UNPA-29/B084/1

Más detalles

Analizando la Evolución Diferencial sobre una topología toroidal

Analizando la Evolución Diferencial sobre una topología toroidal Analizando la Evolución Diferencial sobre una topología toroidal D.Sc. Yván Jesús Túpac Valdivia Conversatorio de Investigación 26 de setiembre de 2013 Yván Túpac (CC/UCSP) Pág 1/29 Objetivo Mostrar una

Más detalles

Algoritmo evolutivo para el problema de la ubicación de productos en las estanterías de una gran superficie

Algoritmo evolutivo para el problema de la ubicación de productos en las estanterías de una gran superficie X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 Algoritmo evolutivo para el problema de la ubicación de productos en las estanterías de una gran superficie José M. Albarracín

Más detalles

MODELO JERÁRQUICO PARA EL JOB SHOP FLEXIBLE

MODELO JERÁRQUICO PARA EL JOB SHOP FLEXIBLE !#"$%$$ %!& '($! *)!!#% $)$ +-,/.103254 687/9:6(;=1.1?A@50

Más detalles

ASALBP: Alternative Subgraphs Assembly Line Balancing Problem *

ASALBP: Alternative Subgraphs Assembly Line Balancing Problem * IX Congreso de Ingeniería de Organización Gijón, 8 y 9 de septiembre de 2005 ASALBP: Alternative Subgraphs Assembly Line Balancing Problem * Liliana Capacho Betancourt 1, Rafael Pastor Moreno 2 1 Dpto

Más detalles

SOLUCIÓN DEL PROBLEMA DE PROGRAMACIÓN DE FLOW-SHOP FLEXIBLE EMPLEANDO EL ALGORITMO GENÉTICO DE CHU-BEASLEY ÁNGELA PATRICIA JIMÉNEZ MORALES

SOLUCIÓN DEL PROBLEMA DE PROGRAMACIÓN DE FLOW-SHOP FLEXIBLE EMPLEANDO EL ALGORITMO GENÉTICO DE CHU-BEASLEY ÁNGELA PATRICIA JIMÉNEZ MORALES SOLUCIÓN DEL PROBLEMA DE PROGRAMACIÓN DE FLOW-SHOP FLEXIBLE EMPLEANDO EL ALGORITMO GENÉTICO DE CHU-BEASLEY ÁNGELA PATRICIA JIMÉNEZ MORALES UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍA INDUSTRIAL

Más detalles

Algoritmos Genéticos Y

Algoritmos Genéticos Y Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Optimización n Tradicional Problemas

Más detalles

HEURISTIC FOR SCHEDULING OF PROJECTS WITH RESTRICTION OF RESOURCES UN HEURÍSTICO PARA PLANEACIÓN DE PROYECTOS CON RESTRICCIÓN DE RECURSOS

HEURISTIC FOR SCHEDULING OF PROJECTS WITH RESTRICTION OF RESOURCES UN HEURÍSTICO PARA PLANEACIÓN DE PROYECTOS CON RESTRICCIÓN DE RECURSOS HEURISTIC FOR SCHEDULING OF PROJECTS WITH RESTRICTION OF RESOURCES UN HEURÍSTICO PARA PLANEACIÓN DE PROYECTOS CON RESTRICCIÓN DE RECURSOS Juan C. Rivera, Luis F. Moreno, F. Javier Díaz, Gloria E. Peña

Más detalles

Combinación de Algoritmos Evolutivos y Técnicas Heurísticas para Problemas de Scheduling

Combinación de Algoritmos Evolutivos y Técnicas Heurísticas para Problemas de Scheduling Combinación de Algoritmos Evolutivos y Técnicas Heurísticas para Problemas de Scheduling Ramiro Varela, Javier Blanco, Camino Rodríguez, Jorge Puente y César Alonso Centro de Inteligencia Artificial. Universidad

Más detalles

Temario III Algoritmos Combinatorios y Metaheurísticas

Temario III Algoritmos Combinatorios y Metaheurísticas Temario III Algoritmos Combinatorios y Metaheurísticas Verificación y Validación de Software UNCo 1 Contenidos Combinación de Datos de Test Algoritmos Combinatorios Metaheurísticas Búsqueda Tabú Algoritmos

Más detalles

Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos *

Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos * Algoritmo de Colonias de Abejas Artificiales para la composición de equipos médicos * José A. Delgado-Osuna 1, Manuel Lozano 2, and Carlos García-Martínez 3 1 H.U. Reina Sofía jantonio.delgado.sspa@juntadeandalucia.es,

Más detalles

Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu. Instituto Superior Politécnico José Antonio Echeverría. Cuba

Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu. Instituto Superior Politécnico José Antonio Echeverría. Cuba Ingeniería Energética E-ISSN: 1815-5901 orestes@cipel.ispjae.edu.cu Instituto Superior Politécnico José Antonio Echeverría Cuba Carvajal- Pérez, Raúl Nicolás Un Algoritmo Genético Especializado en Planeamiento

Más detalles

Algoritmos Genéticos. Introduccion a la Robótica Inteligente

Algoritmos Genéticos. Introduccion a la Robótica Inteligente Algoritmos Genéticos Introduccion a la Robótica Inteligente 7 Marzo 2014 (IRIN) AGs 7/03/2014 1 / 43 Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos Matemáticos 4 Conclusiones (IRIN)

Más detalles

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN &$3Ì78/2 6.1. INTRODUCCIÓN Los primeros avances para solucionar el TSP, por medio de Algoritmos Evolutivos han sido introducidos por Goldberg y Lingle en [68] y Grefenstette en [72]. En éste área muchos

Más detalles

Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta

Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta Análisis del NSGA-II para el TSALBP-1/3 cuando existe variación de demanda en una producción mixta Manuel Chica, Óscar Cordón, Sergio Damas y Joaquín Bautista Resumen En este trabajo introducimos la aplicación

Más detalles

ALGORITMO GENÉTICO APLICADO AL PROBLEMA DE ASIGNACIÓN DE CANAL EN COMUNICACIONES MÓVILES CELULARES

ALGORITMO GENÉTICO APLICADO AL PROBLEMA DE ASIGNACIÓN DE CANAL EN COMUNICACIONES MÓVILES CELULARES Memorias de la XVII Semana Regional de Investigación y Docencia en Matemáticas, Departamento de Matemáticas, Universidad de Sonora, México. Mosaicos Matemáticos No. 2, agosto 27, pp. 29-36. Nivel Superior

Más detalles

Representación, Codificación en un AG Población Inicial. Aptitud. Estrategia de Selección. Cruce, Mutación, Reemplazo. Condición de Parada.

Representación, Codificación en un AG Población Inicial. Aptitud. Estrategia de Selección. Cruce, Mutación, Reemplazo. Condición de Parada. Computación n Evolutiva: Algoritmos Genéticos 1.- Metaheurísticos. Computación Evolutiva: Algoritmos Genéticos 2.- Conceptos principales de un Algoritmo Genético 3.- Estructura de un Algoritmo Genético

Más detalles

OPTIMIZACIÓN DEL PROBLEMA DEL AGENTE VIAJERO USANDO EL SISTEMA DE COLONIA DE HORMIGAS Y BUSQUEDA GREEDY

OPTIMIZACIÓN DEL PROBLEMA DEL AGENTE VIAJERO USANDO EL SISTEMA DE COLONIA DE HORMIGAS Y BUSQUEDA GREEDY OPTIMIZACIÓN DEL PROBLEMA DEL AGENTE VIAJERO USANDO EL SISTEMA DE COLONIA DE HORMIGAS Y BUSQUEDA GREEDY Esquivel Estrada Jaime*, Ordoñez Arizmendi Armando*, Ortiz Servín Juan José**. *Universidad Autónoma

Más detalles

METAHEURISTICAS Ideas, Mitos, Soluciones

METAHEURISTICAS Ideas, Mitos, Soluciones METAHEURISTICAS Ideas, Mitos, Soluciones OPTIMIZACION COMBINATORIA Qué es un problema de optimización combinatoria? Cómo se modela matemáticamente un problema de optimización combinatoria? Minimizar (o

Más detalles

Nuevas Tendencias y Retos en Métodos Heurísticos para Problemas de Scheduling

Nuevas Tendencias y Retos en Métodos Heurísticos para Problemas de Scheduling Nuevas Tendencias y Retos en Métodos Heurísticos para Problemas de Scheduling Ramiro Varela Grupo de Tecnologías de la Computación. Departamento de Informática. Centro de Inteligencia Artificial Universidad

Más detalles

Tesis Doctoral: Método Neuro-Genético para resolver problemas de la programación de la producción.

Tesis Doctoral: Método Neuro-Genético para resolver problemas de la programación de la producción. EDUCACION New Mexico State University, Las Cruces NM. Doctor en Ingeniería con especialidad en Ingeniería Industrial. 1999-2002 Asesor: Dr. Linda Ann Riley Tesis Doctoral: Método Neuro-Genético para resolver

Más detalles

Computación Evolutiva - Mutación: Cruza, Inversión y Mutación para Permutaciones

Computación Evolutiva - Mutación: Cruza, Inversión y Mutación para Permutaciones Computación Evolutiva - Mutación: Cruza, Inversión y Mutación para Permutaciones Dr. Gregorio Toscano Pulido Laboratorio de Tecnologías de Información Centro de Investigación y de Estudios Avanzados del

Más detalles

Búsqueda Heurística para Problemas de Scheduling *

Búsqueda Heurística para Problemas de Scheduling * IX Congreso de Ingeniería de Organización Gijón, 8 y 9 de septiembre de 2005 Búsqueda Heurística para Problemas de Scheduling * María Sierra Sánchez 1, Ramiro Varela Arias 2 1 Dpto. de Informática. Campus

Más detalles

Unidad Académica Profesional UAEM Tianguistenco, Paraje El Tejocote, San Pedro Tlaltizapán, Tianguistenco, México CP 52640

Unidad Académica Profesional UAEM Tianguistenco, Paraje El Tejocote, San Pedro Tlaltizapán, Tianguistenco, México CP 52640 Estudio de Tres Algoritmos Heurísticos para Resolver un Problema de Distribución con Ventanas de Tiempo: Sistema por Colonia de Hormigas, Búsqueda Tabú y Heurístico Constructivo de una Ruta Manuel González

Más detalles

PROGRAMACIÓN DE LA SECUENCIA DE LAS ÓRDENES DE PRODUCCIÓN MEDIANTE LA APLICACIÓN DE ALGORITMOS GENÉTICOS

PROGRAMACIÓN DE LA SECUENCIA DE LAS ÓRDENES DE PRODUCCIÓN MEDIANTE LA APLICACIÓN DE ALGORITMOS GENÉTICOS PROGRAMACIÓN DE LA SECUENCIA DE LAS ÓRDENES DE PRODUCCIÓN MEDIANTE LA APLICACIÓN DE ALGORITMOS GENÉTICOS Mateo Doll, Manuel D' Armas Regnault, Mayra Resumen: El presente trabajo se enmarca dentro del área

Más detalles

Una heurística para la asignación de máquinas a trabajos fijos

Una heurística para la asignación de máquinas a trabajos fijos VIII Congreso de Ingeniería de Organización Leganés, 9 y 10 de septiembre de 2004 Una heurística para la asignación de máquinas a trabajos fijos José Manuel García Sánchez, Marcos Calle Suárez, Gabriel

Más detalles

Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau

Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Un algoritmo genético híbrido para resolver el EternityII Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Temas Temas Introducción Eternity II Historia Descripción Demo Metaheurísticas Algoritmos

Más detalles

Propuesta de un algoritmo genético para la programación diaria de los pedidos de una empresa del sector de la construcción

Propuesta de un algoritmo genético para la programación diaria de los pedidos de una empresa del sector de la construcción 5 th International Conference on Industrial Engineering and Industrial Management XV Congreso de Ingeniería de Organización Cartagena, 7 a 9 de Septiembre de 2011 Propuesta de un algoritmo genético para

Más detalles

Medición en Fábrica - 2003

Medición en Fábrica - 2003 Algoritmos Genéticos y Optimización Heurística Dr. Adrian Will F.A.C.E.T. U.N.T. Cátedra de Tópicos Selectos de Inteligencia Artificial Optimización Tradicional Problemas Reales Problemas Reales Función

Más detalles

Investigación de Operaciones (IO) Operations Research

Investigación de Operaciones (IO) Operations Research Investigación de Operaciones (IO) Operations Research Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad Católica de Valparaíso

Más detalles

Aplicaciones de Inteligencia Computacional para el Minado de Conjuntos de Datos Integralmente Reducidos

Aplicaciones de Inteligencia Computacional para el Minado de Conjuntos de Datos Integralmente Reducidos Aplicaciones de Inteligencia Computacional para el Minado de Conjuntos de Datos Integralmente Reducidos Angel Kuri-Morales Instituto Tecnológico Autónomo de México akuri@itam.mx Agenda 1. Qué es Big Data

Más detalles

Diseño de redes viales urbanas usando algoritmos genéticos. M. Angélica Pinninghoff J.* Eduardo Matthews D. * Héctor Díaz C.

Diseño de redes viales urbanas usando algoritmos genéticos. M. Angélica Pinninghoff J.* Eduardo Matthews D. * Héctor Díaz C. Diseño de redes viales urbanas usando algoritmos genéticos M. Angélica Pinninghoff J.* Eduardo Matthews D. * Héctor Díaz C. e-mail: mapinnin@inf.udec.cl * Departamento de Ingeniería Informática y Ciencias

Más detalles

Uso de un motor de restricciones bajo dispositivos Android

Uso de un motor de restricciones bajo dispositivos Android Uso de un motor de restricciones bajo dispositivos Android Gonzalo Hernández 1, Camilo Villota Ibarra 2, James Muñoz Coronel 3, Harold Muñoz Muñoz 4 Universidad de Nariño, Facultad de Ingeniería, Departamento

Más detalles

DISEÑO DE METAHEURÍSTICOS HÍBRIDOS PARA PROBLEMAS DE RUTAS CON FLOTA HETEROGÉNEA (2 Parte) : GRASP Y CONCENTRACIÓN HEURÍSTICA

DISEÑO DE METAHEURÍSTICOS HÍBRIDOS PARA PROBLEMAS DE RUTAS CON FLOTA HETEROGÉNEA (2 Parte) : GRASP Y CONCENTRACIÓN HEURÍSTICA DISEÑO DE METAHEURÍSTICOS HÍBRIDOS PARA PROBLEMAS DE RUTAS CON FLOTA HETEROGÉNEA (2 Parte) : GRASP Y CONCENTRACIÓN HEURÍSTICA Cristina R. Delgado Serna Departamento de ECONOMÍA (Área de Economía Aplicada)

Más detalles

Planeación de Rutas de Distribución utilizando el Algoritmo Heurístico 2-Optimal: Implementación Computacional

Planeación de Rutas de Distribución utilizando el Algoritmo Heurístico 2-Optimal: Implementación Computacional INVURNUS En busca del conocimiento Volumen 6 No. 1 ( Enero-Junio 2011): 15-20 División de Ciencias e Ingeniería TECNOLOGÍA Planeación de Rutas de Distribución utilizando el Algoritmo Heurístico 2-Optimal:

Más detalles

Investigación de operaciones en acción: Heurísticas para la solución del TSP

Investigación de operaciones en acción: Heurísticas para la solución del TSP Investigación de operaciones en acción: Heurísticas para la solución del TSP Roger Z. Ríos Mercado* José Luis González Velarde** Abstract One of the most common and difficult problem in the theory of optimization

Más detalles

ALGORITMOS GENÉTICOS PARA LA RESOLUCIÓN DE PROBLEMAS PRÁCTICOS DE SCHEDULING

ALGORITMOS GENÉTICOS PARA LA RESOLUCIÓN DE PROBLEMAS PRÁCTICOS DE SCHEDULING ALGORITMOS GENÉTICOS PARA LA RESOLUCIÓN DE PROBLEMAS PRÁCTICOS DE SCHEDULING Alberto Cortés, Víctor Jacobo, Lázaro Morales, Armando Ortiz Unidad de Investigación y Asistencia Técnica en Materiales, Universidad

Más detalles

Secuenciación de tareas mediante metaheurísticos

Secuenciación de tareas mediante metaheurísticos VIII Congreso de Ingeniería de Organización Leganés, 9 y 10 de septiembre de 2004 Secuenciación de tareas mediante metaheurísticos Santiago López de Haro 1, Pedro Sánchez Martín 2, Javier Conde Collado

Más detalles

Scheduling Problem. Cuándo y dónde debo hacer cada trabajo?

Scheduling Problem. Cuándo y dónde debo hacer cada trabajo? Scheduling Problem Cuándo y dónde debo hacer cada trabajo? Ejemplos de problemas de asignación de recursos Fabricación de varios tipos de productos Asignación de turnos de trabajo Inversión financiera

Más detalles

Algoritmos Genéticos

Algoritmos Genéticos Introducción a la Computación Evolutiva Tercera Clase: Algoritmos Genéticos Algoritmos Genéticos Desarrollados en USA durante los años 70 Autores principales: J. Holland, K. DeJong, D. Goldberg Aplicados

Más detalles

Elkin Rodríguez Velásquez Profesor Escuela de Ingeniería de la Organización, Universidad Nacional de Colombia, Medellín, erodrigu@unal.edu.

Elkin Rodríguez Velásquez Profesor Escuela de Ingeniería de la Organización, Universidad Nacional de Colombia, Medellín, erodrigu@unal.edu. EVALUACIÓN DE LA METDLGÍA DE ALGRITMS GENÉTICS CN DISEÑ EXPERIMENTAL PARA PRGRAMACIÓN DE PLANTAS CN CNFIGURACIÓN PRDUCTIVA TIP JB SHP FLEXIBLE. Alexander A. Correa Espinal Profesor Escuela de Ingeniería

Más detalles

Algoritmos Genéticos. Algoritmos Genéticos. Introducción a la Computación Evolutiva. Tercera Clase: Algoritmos Genéticos

Algoritmos Genéticos. Algoritmos Genéticos. Introducción a la Computación Evolutiva. Tercera Clase: Algoritmos Genéticos Introducción a la Computación Evolutiva Tercera Clase: Algoritmos Genéticos Algoritmos Genéticos Desarrollados en USA durante los años 70 Autores principales: J. Holland, K. DeJong, D. Goldberg Aplicados

Más detalles

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09 Introducción a los Algoritmos Genéticos Tomás Arredondo Vidal 17/4/09 Esta charla trata de lo siguiente: Introducción a algunos aspectos de los algoritmos genéticos. Introducción a algunas aplicaciones

Más detalles

T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA

T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE Aplicación a la INDUSTRIA de la construcción 1 El presente estudio propone el uso de un algoritmo comúnmente utilizado en la rama de investigación

Más detalles

Especificación de sistemas concurrentes usando conceptos de teoría económica: Sintaxis, semántica, aplicaciones y extensiones del lenguaje formal PAMR

Especificación de sistemas concurrentes usando conceptos de teoría económica: Sintaxis, semántica, aplicaciones y extensiones del lenguaje formal PAMR CURRICULUM VITAE DE MIEMBROS DE COMISIONES PARA CONCURSOS DE ACCESO A LOS CUERPOS DOCENTES UNIVERSITARIOS 1. DATOS PERSONALES Apellidos y Nombre: Rodríguez Laguna, Ismael Cuerpo docente al que pertenece:

Más detalles

Una heurística basada en memoria para el problema del diseño de recorridos en transporte público urbano

Una heurística basada en memoria para el problema del diseño de recorridos en transporte público urbano Una heurística basada en memoria para el problema del diseño de recorridos en transporte público urbano Antonio Mauttone María E. Urquhart Departamento de Investigación Operativa, Instituto de Computación,

Más detalles

Rubén Ruiz, Concepción Maroto, Javier Alcaraz.

Rubén Ruiz, Concepción Maroto, Javier Alcaraz. 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8 11 de abril de 2003 UN ALGORITMO GENÉTICO HÍBRIDO PARA EL TALLER DE FLUJO DE PERMUTACIÓN Rubén Ruiz, Concepción Maroto, Javier Alcaraz.

Más detalles

MMSPEA2 mejora del SPEA2 para problemas multi-modales: aplicación al RCMPSP

MMSPEA2 mejora del SPEA2 para problemas multi-modales: aplicación al RCMPSP MM mejora del para problemas multi-modales: aplicación al RCMPSP Pérez Vazquez, E. 1, Posada Calvo, M. 2, Herrera Triguero, F. 3 Resumen Un problema multi-modal es aquel que presenta múltiples óptimos

Más detalles

Programación de Grúas para Mantención y Construcción de Buques en un Astillero Naval. Uso de Modelo Matemático.

Programación de Grúas para Mantención y Construcción de Buques en un Astillero Naval. Uso de Modelo Matemático. Revista Ingeniería de Sistemas Volumen XXV, Septiembre 2011 Programación de Grúas para Mantención y Construcción de Buques en un Astillero Naval. Uso de Modelo Matemático. Marcelo Guiñez * Lorena Pradenas

Más detalles

RESOLUCIÓN DE PROBLEMAS DE PACKING EN UNA EMPRESA DE

RESOLUCIÓN DE PROBLEMAS DE PACKING EN UNA EMPRESA DE RESOLUCIÓN DE PROBLEMAS DE PACKING EN UNA EMPRESA DE CALCAMONIAS MEDIANTE ALGORITMOS GENÉTICOS. Alberto Gómez Gómez, José Parreño Fernández y Isabel Fernández Quesada. RESUMEN. El objetivo del presente

Más detalles

Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más)

Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más) Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más) Nombre del Encuestado e-mail Nombre de la Carrera Universidad Unidad Académica Sede

Más detalles

Qué es CISE? Computing and Information Sciences and Engineering estudia la filosofía, naturaleza,

Qué es CISE? Computing and Information Sciences and Engineering estudia la filosofía, naturaleza, Qué es CISE? Computing and Information Sciences and Engineering estudia la filosofía, naturaleza, representación y transformación de información incluyendo aspectos teóricos como experimentales. Estructura

Más detalles

La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos

La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos La Técnica Enumerativa de Programación Dinámica en los Problemas de Producción e Inventario y los Algoritmos Genéticos AUTOR ING. MIGUEL JIMÉNEZ CARRIÓN M.Sc. Profesor Principal a DE, adscrito al Departamento

Más detalles

Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad

Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad Hibridación Iterativa de DE con Búsqueda Local con reinicio para problemas de alta dimensionalidad Daniel Molina 1 and Francisco Herrera 2 1 Universidad de Cádiz, daniel.molina@uca.es 2 Universidad de

Más detalles

Cómo resolver el juego Mastermind a través de computación evolutiva

Cómo resolver el juego Mastermind a través de computación evolutiva Cómo resolver el juego Mastermind a través de computación evolutiva Lizzeth Cabana Tejada Ciencia de Computación Universidad Católica San Pablo Arequipa, Perú lizzeth.cabana@ucsp.pe Yván Jesús Túpac Valdivia

Más detalles

1. Introducción RESUMEN

1. Introducción RESUMEN 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 ANÁLISIS COMPARATIVO DEL RENDIMIENTO DE REGLAS DE DESPACHO TRADICIONALES EN UN TALLER DE FLUJO HÍBRIDO CON TIEMPOS

Más detalles

DESARROLLO DE UN SISTEMA PARA PROGRAMAR RECURSOS Y OPERACIONES EN LA FABRICACIÓN DE CALENTADORES ELÉCTRICOS BAJO PEDIDO

DESARROLLO DE UN SISTEMA PARA PROGRAMAR RECURSOS Y OPERACIONES EN LA FABRICACIÓN DE CALENTADORES ELÉCTRICOS BAJO PEDIDO REVISTA FACULTAD DE INGENIERÍA, U.T.A. (CHILE), VOL 12 Nº 2, 2004, pp. 35-42 DESARROLLO DE UN SISTEMA PARA PROGRAMAR RECURSOS Y OPERACIONES EN LA FABRICACIÓN DE CALENTADORES ELÉCTRICOS BAJO PEDIDO Ana

Más detalles

Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa

Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa Comparativa de Algoritmo Genético, Memético y SI para el diseño de horarios de una Institución Educativa Lucero de Montserrat Ortiz Aguilar a, Juan Martín Carpio Valadez a, Héctor José Puga Soberanes a,

Más detalles

6th International Conference on Industrial Engineering and Industrial Management. XVI Congreso de Ingeniería de Organización. Vigo, July 18-20, 2012

6th International Conference on Industrial Engineering and Industrial Management. XVI Congreso de Ingeniería de Organización. Vigo, July 18-20, 2012 6th International Conference on Industrial Engineering and Industrial Management. XVI Congreso de Ingeniería de Organización. Vigo, July 18-20, 2012 Un algoritmo genético híbrido para el equilibrado de

Más detalles

TÉCNICAS HEURÍSTICAS APLICADAS AL PROBLEMA DEL CARTERO VIAJANTE (TSP)

TÉCNICAS HEURÍSTICAS APLICADAS AL PROBLEMA DEL CARTERO VIAJANTE (TSP) TÉCNICAS HEURÍSTICAS APLICADAS AL PROBLEMA DEL CARTERO VIAJANTE (TSP) RESUMEN El problema del cartero viajante (Traveling Salesman Problem TSP) es un problema típico de optimización. En este documento

Más detalles

Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible

Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible Sara Lumbreras

Más detalles

M O N O G R Á F I C O: D A R W I N

M O N O G R Á F I C O: D A R W I N http://www.sinewton.org/numeros ISSN: 1887-1984 Volumen 71, agosto de 2009, páginas 29 47 Resumen Palabras clave Abstract Keywords 1. Introducción Algoritmos Genéticos. Una visión práctica Belén Melián

Más detalles

Análisis Comparativo de Algoritmos Genéticos Aplicados a Calendarización de Trabajos en un Grid Computacional

Análisis Comparativo de Algoritmos Genéticos Aplicados a Calendarización de Trabajos en un Grid Computacional Análisis Comparativo de Algoritmos Genéticos Aplicados a Calendarización de Trabajos en un Grid Computacional Victor Hugo Yaurima Basaldúa 1, Andrei Tchernykh 2, Moisés Torres Martínez 3 1 Universidad

Más detalles

Análisis del juego televisivo QUIÉN QUIERE SER MILLONARIO? R

Análisis del juego televisivo QUIÉN QUIERE SER MILLONARIO? R Análisis del juego televisivo QUIÉN QUIERE SER MILLONARIO? R Federico Perea Justo Puerto * MaMaEuSch ** Management Mathematics for European Schools 94342 - CP - 1-2001 - DE - COMENIUS - C21 * Universidad

Más detalles

Programación de tareas, un reto diario en la empresa

Programación de tareas, un reto diario en la empresa Programación de tareas, un reto diario en la empresa Pedro Sánchez Martín Ingeniero del ICAI (1993) y Doctor en Ingeniería Industrial por la UPCO (1998). Profesor del Departamento de Organización Industrial

Más detalles

Análisis mediante simulación de un sistema de almacén para mejorar el número de repeticiones en una planta de Pinturas

Análisis mediante simulación de un sistema de almacén para mejorar el número de repeticiones en una planta de Pinturas PRODUCTION MANAGEMENT 4 th International Conference on Industrial Engineering and Industrial Management XIV Congreso de Ingeniería de Organización Donostia- San Sebastián, September 8 th -10 th 2010 Análisis

Más detalles

TÉCNICAS EVOLUTIVAS PARA EL PROBLEMA DEL VIAJANTE

TÉCNICAS EVOLUTIVAS PARA EL PROBLEMA DEL VIAJANTE Mecánica Computacional Vol. XXII M. B. Rosales, V. H. Cortínez y D. V. Bambill (Editores) Bahía Blanca, Argentina, Noviembre 2003. TÉCNICAS EVOLUTIVAS PARA EL PROBLEMA DEL VIAJANTE Jessica A. Carballido,

Más detalles

Evolutionary Computation for CSP s. Camino R. Vela, Jorge Puente, Cesar L. Alonso, Ramiro Varela

Evolutionary Computation for CSP s. Camino R. Vela, Jorge Puente, Cesar L. Alonso, Ramiro Varela ARTÍCULO Evolutionary Computation for CSP s Camino R. Vela, Jorge Puente, Cesar L. Alonso, Ramiro Varela Centro de Inteligencia Artificial University of Oviedo. Campus de Viesques Gijón, 71 e-mail: {camino,

Más detalles

[ Guía para recién llegados a los ALGORITMOS GENÉTICOS]

[ Guía para recién llegados a los ALGORITMOS GENÉTICOS] UVa Dpto. de Organización de Empresas Escuela de Ingenierías Industriales Elena Pérez www.eis.uva.es/elena [ Guía para recién llegados a los ALGORITMOS GENÉTICOS] El propósito de esta guía es dar soporte

Más detalles

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: SISTEMAS DE PRODUCCIÓN I FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC

Más detalles

BIOINFORMÁTICA 2013-2014

BIOINFORMÁTICA 2013-2014 BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados

Más detalles

ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS

ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS EtsiIngenio Inteligencia Artificial 1 Raposo López Alejandro Sánchez Palacios Manuel Resumen dibujo de grafos mediante algoritmos genéticos

Más detalles

GUÍA DOCENTE. Curso Académico 2015/16. Técnicas de Análisis Estadístico basado en Inteligencia

GUÍA DOCENTE. Curso Académico 2015/16. Técnicas de Análisis Estadístico basado en Inteligencia GUÍA DOCENTE Curso Académico 2015/16 1. Técnicas de Análisis Estadístico basado en Inteligencia Artificial 1.1. Datos de la asignatura Tipo de estudios Titulación Nombre de la asignatura Carácter de la

Más detalles

Cómo ordenar una lista de números?

Cómo ordenar una lista de números? Cómo ordenar una lista de números? Germán Ariel Torres Resumen. Este trabajo trata acerca de métodos y técnicas usadas para el ordenamiento eficiente de listas de números. Se analizan los métodos básicos,

Más detalles

Una comparación entre tres formulaciones para resolver el problema del Cutting Stock

Una comparación entre tres formulaciones para resolver el problema del Cutting Stock Una comparación entre tres formulaciones para resolver el problema del Cutting Stock A comparison between three formulations to solve the Cutting Stock Problem Harol M. Gámez Centro latinoamericano de

Más detalles

Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING

Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING 6.1. HEURÍSTICAS CONVENCIONALES El problema de job shop scheduling (JSSP) es un problema muy importante [69]; está entre los problemas de optimización

Más detalles

IMPORTANCIA DE LA MATEMÁTICA DISCRETA EN EL DESARROLLO DE LA BIOLOGÍA Y LA BIOINFORMÁTICA

IMPORTANCIA DE LA MATEMÁTICA DISCRETA EN EL DESARROLLO DE LA BIOLOGÍA Y LA BIOINFORMÁTICA IMPORTANCIA DE LA MATEMÁTICA DISCRETA EN EL DESARROLLO DE LA BIOLOGÍA Y LA BIOINFORMÁTICA Gregorio Martín Quetglás Bernardo Cuenca Grau Instituto de Robótica Instituto de Robótica Departamento de Informática

Más detalles