Una heurística de Búsqueda Tabú para el Problema del Cartero Rural con Beneficios y Costos
|
|
- Aurora Río Rivero
- hace 8 años
- Vistas:
Transcripción
1 CLEI 2011 Una heurística de Búsqueda Tabú para el Problema del Cartero Rural con Beneficios y Costos Guillermo Palma 1 Departamento de Computación y Tecnología de la Información Universidad Simón Bolívar Caracas, Venezuela Resumen Presento una heurística basada en la Búsqueda Tabú, con fin de generar soluciones factibles para resolver el Problema del Cartero Rural con Beneficios y Costos. Este problema fue recientemente definido y es una generalización de otros problemas de enrutamientos por arcos. Los resultados numéricos de una serie de experimentos computacionales con varios tipos de instancias muestran el buen comportamiento del algoritmo propuesto en comparación con trabajos anteriores Palabras Claves: Enrutamiento por arcos, metaheurística, búsqueda tabú, optimización combinatoria. 1. Introducción Los Problemas de Enrutamiento por Arcos con Beneficios y Costos (PARPs por sus siglas en inglés, Prize-Collecting Arc Routing Problems), fueron introducidos por Aráoz, Fernández y Zoltán [6] y ellos son una generalización de los Problemas de Enrutamiento por Arcos (ARPs por sus siglas en inglés, Arc Routing Problems). Los Problemas de Enrutamientos por Arcos consisten en encontrar el menor costo o mayor beneficio de atravesar algunos lados o arcos de un grafo, estando sujeto a una serie de restricciones. Los principales Problemas de Enrutamientos por Arcos son el Problema del Cartero Chino y el Problema del Cartero Rural. El libro editado por Dror [14] es la principal referencia sobre los ARPs. El PARP es definido sobre un grafo en donde hay un vértice d llamado depósito. Cada lado posee una función de beneficio y otra de costo. La función de beneficio sólo es tomada en cuenta la primera vez que se atraviesa el lado. El objetivo del PARP es encontrar un ciclo de máximo beneficio que pase por d. Aráoz et al. [6] muestran que los PARPs son NP-hard y que constituyen una generalización de la mayoría de los Problemas de Enrutamientos por Arcos y del Problema del Agente Viajero. El PARP básico es el Problema del Cartero Rural con Beneficios y Costos (PRPP, por sus siglas en inglés Prize-Collecting Rural Postman Problem). Los otros PARPs son definidos imponiendo condiciones adicionales. 1 gpalma@ldc.usb.ve This paper is electronically published in Electronic Notes in Theoretical Computer Science URL:
2 EL PRPP consiste en encontrar el ciclo de máximo beneficio que pase por el depósito en un grafo no dirigido. En el PRPP la demanda de servicio se encuentra en los lados del grafo. Cuando en el PRPP se da un servicio a un lado no sólo se incurre en un costo sino que se recibe un beneficio. El costo está asociado con el hecho de atravesar el lado y la ganancia se debe al servicio que se presta al lado. Cuando se construye una ruta se toma en cuenta el costo de atravesar cada uno de los lados que la componen. Es posible que un lado sea atravesado más de una vez. Solamente cuando se atraviesa un lado por primera vez en una ruta, se obtiene una recompensa. El objetivo del PRPP es encontrar una ruta, que parta y termine en el depósito, que maximice el beneficio total obtenido por servir a los lados menos el costo de atravesarlos. En la figura 1 se observa un ejemplo de un grafo que es una instancia del PRPP, en donde el vértice que corresponde al depósito está denominado como d. En la figura 2 se muestra el ciclo que es la solución óptima del problema de la figura 1. Figura 1. Ejemplo de una instancia del PRPP, c e/b e indica los valores costo/beneficio de un lado e Figura 2. Solución óptima de la instancia de la figura 1. El ciclo es d d con un beneficio igual a 14 Aráoz, Fernández y Meza [5] son quienes propusieron la primera solución algorítmica para el PRPP con un algoritmo de dos fases que usa diferentes mecanismos de resolución (solvers) en cada una de ellas. En la primera fase se obtiene una solución aproximada del problema por medio de la aplicación una relajación del sistema entero de desigualdades lineales que modelan el problema junto con una heurística, la cual es una adaptación de la heurística 3T [16]. En la segunda fase se aprovecha la solución resultante de la primera fase para obtener una solución óptima del problema. Además del PRPP, tenemos otros cuatro problemas que pertenecen a la familia de los PARPs. El primero es el Weighted PARP (WPARP) [9], en donde hay un peso asociado con el servicio de cada lado y también existe un límite en el peso total que puede tener una ruta cuando es servida. Una solución puede poseer más de una ruta. El segundo es el Clustered Prize-collecting Arc Routing Problem (CPARP) [3]. El CPARP tiene como objetivo encontrar un ciclo de máximo beneficio que pase por d, tal que satisfaga la demanda de un subconjunto de los grupos de lados con demanda. Franquesa [17] presenta un estudio completo del CPARP junto con algoritmos que lo resuelven. Más recientemente Aráoz, 2
3 Fernández y Franquesa [3] proponen un algoritmo exacto basado en programación lineal y una heurística para resolver el CPARP. El tercer problema de la familia de los PARPs es el Windy Clustered Prize-collecting Arc Routing Problem (WCPARP). Para este problema se cumple todo lo indicado para el CARP, la diferencia entre los dos problemas radica en que el costo de atravesar un arco va a depender de la dirección en que se atraviesa. Franquesa [17] estudia las propiedades del WCPARP y propone un algoritmo exacto para resolverlo. Aráoz et al. [4] presentan un algoritmo exacto basado en branch-and-cut que resuelve el problema óptimamente, junto con una heurística simple que permite obtener soluciones factibles. El cuarto y último problema que pertenece familia de los PARPs fue introducido en 2009 por Stefan Irnich y tiene como nombre el Profitable Capacitated Rural Postman (PCRPP) [24]. Para el PCRPP se aplica la misma definición del PRPP y adicionalmente se tiene que cuando se atraviesa un lado por primera vez se consume un tiempo q e y las demás veces un tiempo R e. El objetivo del PCRPP es encontrar el ciclo de máximo beneficio, tal que ese ciclo no sobrepase un tiempo máximo Q. Aparte de los estudios hechos sobre el PRPP y de los problemas que le están directamente relacionados, se tiene conocimiento de seis trabajos de Problemas de Enrutamiento por Arcos con Beneficios. Deitch y Ladany [13] estaban interesados en determinar una ruta de transporte atractiva en una región turística. Feillet, Dejax y Gendreau [15] introducen un nuevo problema de enrutamiento por arcos llamado The Profitable Arc Tour Problem (PATP). El objetivo del PATP es encontrar un conjunto de ciclos en el grafo que maximice el beneficio menos el costo del viaje, con restricciones en el número de veces que el beneficio se encuentra en los arcos y en la máxima longitud de los ciclos. Malandraki y Daskin [25] introducen el Maximum benefit Chinese postman problem (MBCPP) y el Maximum benefit traveling salesman problem (MBTSP). El MBCPP es análogo al PRPP, sólo se diferencia en que está definido para grafos dirigidos y que cada arco posee una función de beneficio b en, con la cual se obtiene un beneficio cuando se atraviesa por n-ésima vez el arco e. La definición del MBTSP es análoga sólo que el beneficio se obtiene al atravesar un nodo. Para finalizar tenemos que Hertz et al. introducen el Undirected capacitated arc routing problems with profits (UCARPP) [8] [7]. El UCARPP es definido sobre un grafo no dirigido en el cual se tiene que cada lado les asociado una recompensa, una demanda y un tiempo de viaje. Una flota de vehículos es dada para servir a los lados. El objetivo es encontrar un conjunto de rutas de máximo beneficio, que satisfaga todas las restricciones. Hay potenciales aplicaciones prácticas para el PRPP. Las aplicaciones de los Problemas de Enrutamientos por Lados tratan de minimizar costos. Se ha decidido a priori, que la demanda de servicio se encuentra exactamente en ciertos sitios. Debido a esto la meta no es decidir cuáles lados van a ser atendidos, sino determinar el menor costo de atravesarlos. Con el PRPP se puede modelar problemas prácticos más complejos. Una empresa que desea maximizar sus ganancias, puede decidir que la demanda de un lado no será atendida, a menos que de ella se derive un beneficio para la compañía. Un ejemplo en donde se aplica este principio, es en la recolección de papeleras de reciclaje por parte de empresas privadas. Otro ejemplo es el servicio de correo manejado por empresas privadas, las cuales pueden decidir los distritos a los que les prestarán servicios. Debido al éxito que se ha obtenido aplicando la Búsqueda Tabú a varios ARPs [23,12,11,2,19,1,10,8,7] se ha escogido esta metaheurística como la base de la solución algorítmica para el PRPP. Este trabajo está organizado de la siguiente manera. En la sección 2 se describe formal- 3
4 mente al PRPP y algunas de sus propiedades. En la sección 3 se presenta los algoritmos que se desarrollaron para resolver el PRPP. Los resultados experimentales obtenidos y la discusión de los mismos se hace en la sección 4. La sección 5 se presentan las conclusiones del trabajo. 2. Problema del Cartero Rural con Beneficios y Costos En esta sección definimos formalmente el PRPP y presentamos algunas notaciones y definiciones que se van a usar en este trabajo. Definición 1 Sea G(V, E) un grafo no dirigido con conjunto de vértices V y un conjunto de lados E, el cual posee un vértice distinguible d al cual llamamos depósito y sean dos funciones de E en R +, la función de ganancia b y la función de costo c. El PRPP consiste en encontrar un ciclo C que maximice el valor de e E(C) (b e t e c e ) (1) donde C es un ciclo que pasa por d, el cual no es necesariamente simple puede tener lados repetidos. Tenemos que t e es el número de veces que el lado e es atravesado en el ciclo C y E(C) es el conjunto de lados del ciclo C. A continuación las notaciones a usar y otras definiciones V (H): Conjunto de vértices de un subgrafo H. Si H = G entonces V (G) = V. E(H): Conjunto de lados de un subgrafo H. Si H = G entonces E(G) = E. γ(s): Dado el conjunto S tal que S V se tiene que γ(s) = {e E e = {u, v}, u, v S} son el conjunto de lados con ambos vértices en S δ(s): Dado el conjunto S tal que S V se tiene que δ(s) = {e E e = {u, v}, u S, v V \ S} = δ(v \ S) son el conjunto de lados en el corte entre S y V \ S Para el conjunto singleton no se usan llaves. Por ejemplo la siguientes expresión son válidas δ(v) δ({v}) y γ(v) γ({v}) Las siguientes funciones se definen sobre los lados e de un grafo G. ϕ e = b e c e. Se tiene que ϕ e es el beneficio que se obtiene cuando se cruza un lado por primera vez ψ e = b e 2c e. Se tiene que ψ e es el beneficio que se obtiene cuando se cruza un lado dos veces Se divide el conjunto de lados E en tres conjuntos: P = {e E ϕ e < 0} R = {e E ψ e 0} Q = {e E\R ϕ e 0} Definición 2 (Grafo Par) Un Grafo Par es un grafo en el cual todos los vértices tienen grado par. Denotaremos una instancia del PRPP que se aplica a un grafo G, con un depósito d, un función de beneficio b y una función de costo c, como (G, d, b, c). G R : Es el subgrafo G R (V (R) d, R) que se obtiene con el conjunto de lados R y el depósito d. Donde V (R) es el conjunto de vértices incidentes en lados de R. 4
5 C k : Son las componentes conexas del grafo G R, donde k {0,..., n}. Se asume que d C 0 V (C k ) = V k : Conjunto de vértices de la componente conexa C k γ R (V k ) Se tiene que con γ(v k ) se obtienen un conjunto de lados que corresponden al grafo original. Mientras que con γ R (V k ) se obtienen un conjunto de lados que corresponden al grafo G R. Es decir, γ R (V k ) = γ(v k ) R. A continuación se presentan algunas propiedades que poseen las soluciones óptimas del PRPP. Estas fueron deducidas y probadas por por Aráoz, Fernández y Zoltán [6]. Se tiene que C representa a un ciclo que es solución óptima del PRPP. Dominancia 1 Ninguno de los lados e E se encuentra presente más de dos veces en C. Dominancia 2 Sea e C, si para alguna de las componentes conexas C k de G R se tiene que V (e) V k, entonces todos los lados de γ R (V k ) están en C. Observación 1 La Dominancia 2 implica que para cada componente conexa C k se tiene que los lados en γ R (V k ), o se encuentran todos en la solución óptima C o ninguno de ellos está en C. La Dominancia 2 trae como consecuencia que si hay lado que no pertenezca al conjunto R y se encuentre en el ciclo C, que sea incidente con cualquier vértice de V k, entonces todos los lados γ R (V k ) están en C. Preprocesamiento 1 Sea C k una componente conexa de G R y sea e γ(v k ) \ R para cualquier k. Se tiene que el lado e es atravesado a lo sumo una vez en solución óptima C Observación 2 Se tiene que la Dominancia 2 y el Preprocesamiento 1 implican que si un lado e γ(v k ) \ R se encuentra en C, entonces también todos los lados γ R (V k ) están en C. 3. Algoritmo para resolver el PRPP Se desarrolló un algoritmo basado en la Búsqueda Tabú para resolver el PRPP. Este algoritmo tiene dos fases. En la primera fase se generan dos soluciones factibles para el PRPP por medio de dos algoritmos constructivos. Estos algoritmos son los llamamos Unión de Componentes Conexas y Eliminaciones Sucesivas de Componentes Conexas. La segunda fase consiste en la aplicación de un algoritmo de Búsqueda Tabú que trata de mejorar las soluciones iniciales. El algoritmo 1 Unión de Componentes Conexas esta basado en dos algoritmos. Estos son el algoritmo presentado por Pearn y Wang para el Maximum Benefit Chinese Postman Problem [26] y el algoritmo aproximado para el RPP que fue propuesto por Frederickson [18]. El algoritmo construye una solución factible para el PRPP, que contiene todos los lados del grafo excepto los lados de la lista de entrada. La idea en la Búsqueda Tabú es crear una primera solución factible que contenga los lados que dan beneficio al atravesarlos por primera vez, estos son los que pertenecen al conjunto R Q. En el trabajo de Aráoz et al. [6] se muestra que los lados e R Q no necesariamente forman parte de la solución óptima del PRPP. Sin embargo se considera que es mejor estrategia que se pierda beneficio incluyendo estos lados, en lugar de tener pérdida por no tenerlos en la solución. Una de las razones para usar esta técnica es porque con el algoritmo de Búsqueda Tabú es 5
6 posible determinar si con la supresión de lados de un ciclo que es una solución factible, se obtiene un ciclo de mayor beneficio. Algoritmo 1: Unión de Componentes Conexas Entrada: Un grafo G = (V, E) y un conjunto de lados L e Salida: Un ciclo C, solución factible de PRPP Paso 1: Crear un grafo G s = (V s, E s ), donde E s = E\L e. Si el depósito d / V s entonces se agrega al grafo G s y será considerado como la componente conexa C 0. Hacer G G s. Si G es euleriano (conectado y par) ir a paso 6. Si G es solo conectado, hacer E st e ir a paso 4 Paso 2: Sean C 0, C 1,..., C t las componentes conexas de G. Se construye un grafo completo G t = (V t, E t ), donde el V t tiene como miembros cada una de las componentes conexas C i. Cada lado e t E t tiene un costo dado la función c et : E t R que se define como c et (e t ) = mín{dcc(v i, v j ) v i C i v j C j i j} donde dcc es una función que retorna el valor del camino de costo mínimo entre los vértices v i y v j en el grafo G al cual llamamos CM vi v j. Sea CCM un conjunto con los CM vi v j. Para obtener los caminos de costo mínimo CCM, se ejecuta la siguiente función. CCM encontrar-caminos-costo-minimo(g, G ) Paso 3: Se calcula el árbol mínimo cobertor del grafo G t, obteniéndose el conjunto de lados E st que corresponden al conjunto de lados del árbol. Sea E st el conjunto de lados e E que se obtienen al determinar los caminos del grafo G que corresponde a cada uno de los lados de E st. Se agrega E st al grafo G para obtener G = (V s, E S E st) Paso 4: Se obtiene el conjunto de vértices de grado impar del grafo G y se le denomina V o. Se construye un grafo completo G m = (V o, E o ), en el cual cada lado e o = (i, j) e o E o va a tener como costo c eo el valor del camino de costo mínimo, llamado CM ij, entre los vértices i, j V o en el grafo G. Sea CCM un conjunto con los CM ij, se tiene que los caminos de costo mínimo se obtienen llamando a la siguiente función. CCM encontrar-caminos-costo-minimo(g, G ) Paso 5: Se calcula un apareamiento perfecto de costo mínimo en el grafo G m. Sea E m el conjunto de lados de G m correspondientes al apareamiento óptimo. Sea E m el conjunto de lados e E que se obtienen al determinar los caminos del grafo G que corresponde a cada uno de los lados de E m. Se agrega E m al grafo G para obtener G = (V s, E s E st E m ). Se tiene que G es un grafo euleriano (par y conexo) por lo tanto posee una solución para el PRPP Paso 6: Se determina el ciclo euleriano C en G por medio del algoritmo Eulerian-Cycle presentado en libro de Dror [14]. Se tiene que C es un ciclo que es una solución al PRPP en G. Paso 7: retorna C En la Búsqueda Tabú el algoritmo 1 Unión de Componentes Conexas proporciona una solución factible del PRPP que contiene todos lados que dan beneficio al cruzarlos, los cuales son los lados del tipo R y Q. El algoritmo 3 Eliminaciones Sucesivas de Componentes Conexas aplica una estrategia para descartar lados del tipo R y Q que no 6
7 Función 2: encontrar-caminos-costo-minimo Entrada: Los grafos G = (V, E), y G s = (V s, E s ) Salida: Conjunto de caminos de costo mínimo CCM 1 inicio 2 CCM // conj. de caminos de costo mínimo 3 ConjLados // conj. de lados 4 Sea CM vi v j el camino de costo mínimo entre los vértices v i, v j V s en el grafo G. Ahora cada lado e E, tiene un costo dado por la función c st : E R que va a depender de los caminos CM vi v j encontrados anteriormente. 5 para Cada v i, v j V s hacer { 6 Determinar CM vi v j con c st (e) = c e, si e E s ConjLados ϕ e, de lo contrario 7 CCM CCM {CM vi v j } 8 ConjLados ConjLados los lados del CM vi v j 9 retorna CCM aportarían beneficio a una solución del PRPP. Sea el grafo G t = (V t, E t ) del paso 2 del algoritmo 1 Unión de Componentes Conexas. Luego en el paso 3 del algoritmo 1 se calcula el árbol mínimo cobertor del grafo G t teniendo como resultado un conjunto de lados E st. Con este conjunto de lados se puede crear el grafo G mst = (V t, E st ) que corresponde al árbol. Cada uno de los vértices v i V t corresponde a una componente conexa C i. Cada uno de los lados E st corresponden a caminos de costo mínimo entre las componentes conexas. Recordemos que la componente conexa que contiene al depósito se le denomina C 0. Supongamos que recorremos el grafo G mst con un algoritmo de búsqueda partiendo del vértice v 0 V t que corresponde a la componente C 0. Al visitar cada vértice v i V t se puede obtener el costo c vi del lado con que se alcanza el vértice v i y la componente conexa C i que corresponde al vértice v i. También se puede calcular el máximo beneficio que se puede obtener de una componente conexa C i, esto es ϕ(γ(c i )). Si el máximo beneficio de la componente conexa es menor al costo del camino con que se alcanza a esa componente, es decir, c vi > ϕ(γ(c i )) entonces consideramos que esta componente no debería ser parte de la solución. Esto es porque la inclusión de este conjunto de lados podría aportar pérdidas a una solución del PRPP. Esta es la idea básica del algoritmo 3 Eliminaciones Sucesivas de Componentes Conexas. Las componentes conexas C i se ordenan de manera ascendente según el valor del beneficio total menos el costo de alcanzar la componente. Luego en ese orden se va a construir sucesivas soluciones factibles con el algoritmo 1 Unión de Componentes Conexas, tal que no sea obligatorio para la solución tener en los lados de la componente conexa C i. De todas las soluciones que se obtienen, se escoge la de mayor beneficio. La Búsqueda Tabú fue introducida por Fred Glover [20] y es una de las metaheurísticas más exitosas en la resolución de problemas de optimización combinatoria. Buenas descripciones sobre los conceptos y aplicaciones de la Búsqueda Tabú son presentadas por Glover y Laguna [21] y por Melián y Glover [22]. La Búsqueda Tabú es un algoritmo metaheurístico que se basa en el uso de memoria adaptativa y en la adopción de principios generales inteligentes para la resolución de problemas. La Búsqueda Tabú es usada para guiar una búsqueda local en el intento de encontrar un óptimo global, usando estructuras 7
8 Algoritmo 3: Eliminaciones Sucesivas de Componentes Conexas Entrada: Un grafo G = (V, E) Salida: Un ciclo C solución factible de PRPP 1 inicio 2 Lados-tabu Todos los lados del grafo G de tipo P 3 Aplicar los pasos 1 y 2 del algoritmo 1 Unión de Componentes Conexas con entrada, el grafo G y Lados-tabu. Se obtiene un grafo G t = (V t, E t ). 4 ncc V t // Número de componentes Conexas 5 mejor-solución Unión de Componentes Conexas con entrada G y Lados-tabu. 6 si ncc = 1 entonces retorna mejor-solución. 7 Se calcula el árbol mínimo cobertor del grafo G t teniendo como resultado un conjunto de lados E st. Crear el grafo G mst = (V t, E st ). 8 Recorrer el grafo G mst con el algoritmo de Búsqueda en Profundidad partiendo del vértice que corresponde a la componente C 0 (contiene al depósito d) y calcular el costo c Ci, de alcanzar cada componente conexa C i V t. 9 para Cada componente conexa C i V t hacer 10 Calcular el máximo beneficio que puede se puede obtener ϕ(γ(c i )). 11 beneficio Ci ϕ(γ(c i )) c Ci 12 beneficio-comp-conex beneficio-comp-conex {(C i, beneficio Ci )} 13 Se ordena ascendentemente el conjunto de los beneficios de las componentes conexas beneficio-comp-conex. 14 para Cada tupla (C i, beneficio Ci ) beneficio-comp-conex hacer 15 lados-comp-conex Obtener los lados en el grafo G que conforman la componente conexa C i. 16 Lados-tabu Lados-tabu lados-comp-conex. 17 solución Unión de Componentes Conexas con entrada G y Lados-tabu. 18 si beneficio(solución) > beneficio(mejor-solución) entonces mejor-solución solución. 19 retorna mejor-solución de memoria que ayuden a evitar caer en óptimos locales y a visitar estados alcanzados anteriormente. La idea básica del algoritmo 5 Búsqueda Tabú para el PRPP es partir de una solución factible del PRPP para hacer una búsqueda local que posee memoria adaptativa y que tiene la habilidad de hacer reinicializaciones en diferentes puntos del espacio de búsqueda, en caso de ser necesario. Antes de explicar como trabaja el algoritmo se hará una descripción de algunas de sus estructuras y procedimientos básicos. En primer término se explicará cómo se genera un conjunto de soluciones vecinas a partir de una solución factible del PRPP. Se utilizará un esquema de intercambio de lados por caminos inspirado en el presentado por Coberán et al. para el Mixed RPP [12]. En la función 4 obtenervecinos se presenta el algoritmo para generar el conjunto de soluciones vecinas. Sea un C un ciclo solución factible del PRPP representado por una secuencia de lados que corresponden al orden en que los lados del grafo son atravesados. Se tiene que C posee la siguiente forma C = ((d, a)(a, b),..., (i, j),..., (l, m),..., (p, q),..., (s, t), (t, d)), donde d, es el depósito. Dado un lado e = (l, m) cualquiera que pertenece a la solución C, 8
9 Algoritmo 4: Funciones usadas por la Búsqueda Tabú para el PRPP func obtenervecinos(g : Un grafo, SolucionActual: Sol. PRPP, MejorSolucion: Sol. PRPP, ListaTabu: Conj de Lados) Vecinos: Conj de Sol. PRPP inicio para Cada lado e SolucionActual hacer Dado el lado e = (l, m) y sea el ciclo SolucionActual representado como una secuencia de lados que son atravesados con la siguiente forma: SolucionActual = ((d, a)(a, b),..., (i, j),..., (l, m),..., (p, q),..., (s, t), (t, d)); A partir del lado e = (l, m) se recorre SolucionActual por la izquierda hasta encontrar un lado (i, j) R Q. Si no existe ese lado entonces se toma el lado más extremo de la solución, este es un lado (d, a) el que posee el depósito; A partir del lado e = (l, m) se recorre SolucionActual por la derecha hasta encontrar un lado (p, q) R Q. Si no existe ese lado entonces se toma el lado más extremo de la solución, este es un lado (t, d) el que posee el depósito; Encontrar un camino de costo mínimo CCM jp entre los vértices j y p; Obtener una nueva solución factible del PRPP sustituyendo el camino el camino [j, l](l, m)[m, p] de SolucionActual por el camino de costo mínimo CCM jp en SolucionActual. Se tiene una solución con la siguiente forma: NuevaSolucion ((d, a)(a, b),..., (i, j), CCM jp, (p, q),..., (s, t), (t, d)); si e ListaTabu entonces // Criterio de Aspiración si benef icio(nuevasolucion) > beneficio(mejorsolucion) entonces Vecinos = Vecinos {(NuevaSolucion, e)}; de lo contrario Vecinos = Vecinos {(NuevaSolucion, e)}; retorna Vecinos; func obtenersolucion(vecinos: Conj de soluc., ListaTabu: Conj de Lados, MejorSolucion: Sol. PRPP) C : Sol. PRPP inicio (SolEscogida, e) Encontrar en Vecinos la tupla que posea la solución factible con mayor beneficio; SolEscogida Sacar de la tupla (SolEscogida, e) la solución del PRPP; si beneficio(solescogida) beneficio(mejorsolucion) entonces (SolEscogida, e) Escoger una tupla de manera probabilística, usando la técnica de la rueda de la ruleta en la que se tomará en cuenta el beneficio de las soluciones del PRPP; SolEscogida Sacar de la tupla (SolEscogida, e) la solución del PRPP; e Sacar de la tupla (SolEscogida, e) el lado e asociado a la solución del PRPP, e es el lado con el que se generó la SolEscogida en obtenervecinos; ListaTabu ListaTabu {e}; retorna SolEscogida; 9
10 partiendo de ese lado se recorre la solución C tanto por la izquierda como por la derecha de la posición del lado e. Cuando se recorre C por la izquierda de e, se desea encontrar un lado h del tipo que proporciona beneficio cuando se atraviesa por primera vez, esto es h R Q. Si no encontramos un lado h R Q tomamos el lado que está conectado al depósito, en este caso en la solución C se tiene que h = (d, a). Supongamos que si encontramos un lado h R Q en C a ese lado lo denotamos como h = (i, j) C. Hacemos el mismo procedimiento partiendo del lado e = (l, m), recorremos C por la derecha hasta encontrar un lado k = (p, q) R Q o en su defecto, el lado más a la derecha que posea al depósito, esto es k = (t, d) C. Una vez que se tienen identificados estos tres lados h = (i, j), e = (l, m) y k = (p, q) en la solución C, se encuentra el camino de costo mínimo entre los vértices j y p en el grafo G el cual llamamos CCM jp. Luego sustituimos el camino [j, l](l, m)[m, p] del ciclo C por el camino de costo mínimo entre j y p, CCM jp. Esto nos da como resultado una nueva solución V, factible para el PRPP la cual tiene la forma V = ((d, a)(a, b),..., (i, j), CCM jp, (p, q),..., (s, t), (t, d)). Este procedimiento se aplica a todos los lados de la solución C, con lo cual se genera un conjunto de soluciones factibles del PRPP. Nuestro conjunto de soluciones vecinas estará compuesto por tuplas (V, e) cuyo primer componente es la solución factible V creada y el segundo componente es el lado que e = (l, m) C que fue seleccionado al principio del algoritmo y que permitió la generación de la solución V. La función 4 obtenervecinos muestra el algoritmo para obtener el conjunto de soluciones vecinas como un conjunto de tuplas. Sea C la solución factible del PRPP con la que se obtiene el conjunto de soluciones vecinas y sea G = (V, E) el grafo que representa la instancia PRPP a resolver, en la obtención de los caminos de costo mínimo CCM jp, cada lado e E tiene un costo dado por la función c (2)., si e ladosp reprocesamiento1 ListaT abu c e, si e C c(e) = 0, si e R Q ladosdominancia2 ϕ e, de lo contrario (El lado es de tipo P ). Una vez generado el conjunto de soluciones vecinas se quiere obtener de él una solución, la cual va a ser la mejor solución actual o en otras palabras la mejor solución de la iteración que se está ejecutando. La función 4 obtenersolucion escoge una solución, de manera probabilística, del conjunto de soluciones vecinas. La Búsqueda Tabú para el PRPP se muestra en el algoritmo 5. Al principio el algoritmo genera dos soluciones factibles con los algoritmos 1 y 3. La solución generada por el algoritmo 3 Eliminaciones Sucesivas de Componentes Conexas es la solución inicial con la que se va iterar en la Búsqueda Tabú. La solución del algoritmo 1 Unión de Componentes Conexas puede ser usada más adelante en el Búsqueda Tabú en caso de que se necesite diversificar la búsqueda. En la línea 6 comienza la iteración del algoritmo. El máximo número de iteraciones, expresado en M axiter, que se permitieron fue 120. Una vez obtenidas el conjunto de soluciones vecinas estas pasan por los algoritmos de mejoramiento de soluciones. Estos son tres algoritmos. El primero elimina los ciclos de beneficio negativo de una solución. El segundo elimina los lados duplicados de las soluciones. El tercero toma cada uno de los pares de lados de una solución y examina si hay un camino entre los vértices extremos de ambos lados, que sea de menor costo. Se considera que dos soluciones son iguales si tienen el mismo beneficio. Se tiene un multiconjunto de soluciones llamado Benef iciom ulticonjunto, con el que se cuenta la frecuencia con 10 (2)
11 Algoritmo 5: Búsqueda Tabú para el PRPP Entrada: Un grafo G Salida: Un ciclo C solución factible de PRPP 1 inicio 2 itersinmejora 10, beneficiomulticonjutnto 3 SolESCC Aplicar el algoritmo 3 con entrada G 4 SolActual SolESCC, MejorSol SolActual 5 SolUCC Aplicar el algoritmo 1 con entrada G y los lados de G de tipo P 6 mientras iter < MaxIter hacer 7 Vecinos obtenervecinos(g, SolActual, MejorSol, ListaTabu) 8 Aplicar los algoritmos de mejoramiento a todas las soluciones de Vecinos 9 SolActual obtenersolucion(vecinos, ListaTabu, MejorSol) 10 BSA beneficio(solactual) 11 beneficiomulticonjutnto beneficiomulticonjutnto {BSA} 12 si # de ocurrencias de BSA en beneficiomulticonjutnto = 3 entonces 13 si usarmejorsolucion entonces 14 usarmejorsolucion falso 15 SolActual MejorSol 16 de lo contrario 17 usarmejorsolucion verdadero 18 SolActual SolUCC 19 Eliminar todas las ocurrencias de BSA en beneficiomulticonjutnto 20 ladosdominancia2 Obtener todos los lados de tipo Q y P que son adyacentes a los lados tipo R de SolActual y que no pertenezcan a ella 21 ladospreprocesamiento1 Obtener todos los lados γ(v k ) δ(v k ) que forman parte de SolActual (ver Preprocesamiento 1) 22 si beneficio(solactual) > beneficio(mejorsol) entonces 23 MejorSol SolActual 24 iter iter 10, itersinmejora itersinmejora 9 25 Eliminar en una unidad el número de iteraciones que deben estar los lados e ListaTabu en la ListaTabu 26 iter iter + 1, itersinmejora itersinmejora si iter = itersinmejora entonces 28 si usarsolaleatoria = verdadero entonces 29 SolActual Obtener una solución factible generada aleatoriamente 30 de lo contrario 31 SolActual SolESCC 32 beneficiomulticonjutnto, ListaTabu 33 itersinmejora itersinmejora retorna MejorSol 11
12 que aparece una solución durante la búsqueda. En las líneas observamos que si una solución se presenta tres veces en la búsqueda se intenta cambiar el espacio de búsqueda, realizando una intensificación de la búsqueda a partir de la mejor solución encontrada hasta el momento o realizando una diversificación a partir de la solución del algoritmo 1 Unión de Componentes Conexas. Recordamos que la solución del algoritmo 1 tiene todos los lados que dan beneficio al cruzarlos por primera vez. En las líneas 20 y 21 se obtienen los lados asociados a las propiedades del PRPP, que se conocen como Dominancia 2 y Preprocesamiento 1. La idea con los lados ladosdominancia2 es de tratar de favorecer su inclusión en la solución factible, ya que si un lado R pertenece a la solución óptima es probable que algunos de lados adyacentes también pertenezcan a la solución óptima. Debido a esto vemos en la que el costo de estos lados en la función 2 es 0. El objetivo de tener los lados que se denominan ladospreprocesamiento1 es tratar de evitar volver a incluir estos lados, de nuevo, en la solución factible, como se muestra en la función 2. En las líneas se observa lo que hace el algoritmo en caso de que se tenga un cierto número iteraciones sin encontrar una mejor solución global. La primera vez se efectuará una diversificación de la búsqueda llevándola a espacio de estados completamente diferente, que se obtiene al continuar la búsqueda tabú en una solución factible generada de manera aleatoria. En caso de caer de nuevo es esta situación se realizará una intensificación de la búsqueda al escoger como solución actual, la solución del algoritmo 3 Eliminaciones Sucesivas de Componentes Conexas. 4. Resultados Experimentales y Discusión Los algoritmos fueron implementados en C y están disponible públicamente en http: // Todas las pruebas experimentales fueron realizadas en un computador SUN ULTRA 10 modelo 440, con un solo procesador UltraSPARC-IIi de 440 MHz con 1.0 GB de DRAM. Hasta el momento las únicas instancias del PRPP disponibles son las formuladas por Aráoz, Fernández y Meza [5]. Son un conjunto de 118 instancias que fueron generadas de un conjunto de instancias, ampliamente utilizadas, del Problema del Cartero Rural RPP. Usaremos estas mismas instancias para probar los algoritmos implementados. Las 118 instancias fueron agrupadas en 15 clases de problemas, dependiendo de su tipo y de su número de vértices. En el cuadro 1 se muestran las características de los problemas a resolver. Los resultados obtenidos con el Algoritmo de Búsqueda Tabú para el PRPP se compararon con los resultados de la Heurística del Algoritmo de planos de cortes para el PRPP de Aráoz, Fernández y Meza [5], descrita en la introducción. Todos los resultados de ambos algoritmos fueron obtenidos en la mismo computador SUN ULTRA 10 que se describió anteriormente. Debido a los elementos probabilísticos de la Búsqueda Tabú, es posible obtener soluciones diferentes al resolver una instancia. Para probar la robustez y fiabilidad del algoritmo de Búsqueda Tabú se realizaron 30 corridas de cada una de las 118 instancias y se reportan en el cuadro 4 los resultados de los valores promedios obtenidos y de las mejores soluciones encontradas. Al comparar los resultados obtenidos con los de la heurística de [5] podemos ver que el porcentaje de desviación total de heurística (10.98) es mayor que el porcentaje de desviación total del valor promedio (10.22) y mayor que el del mejor valor de la Búsqueda Tabú (2.85). Esto indica que la Búsqueda Tabú en general permite obtener mejores soluciones que la heurística de [5]. Si se observa las mejores soluciones 12
13 Cuadro 1 Sumario de las características de los problemas a resolver. Se tiene que R y P son el número de lados tipo R y tipo P de cada tipo de problema Problema #instancias V E R P AA AB P D D D D G G G G R R R R encontradas por la Búsqueda Tabú se tiene que encuentra la mejor solución en 13 de los 15 tipos de problemas. La heurística de [5] sólo encuentra una mejor solución que la Búsqueda Tabú en los problemas G64 y G100. La Búsqueda Tabú obtiene la solución óptima en 12 de los 15 tipos de problemas, lo cual es bastante satisfactorio. El tiempo de cómputo de la Búsqueda Tabú fue mayor en las instancias pequeñas y mucho menor en los problemas más grandes. Esto se debe a que en la Búsqueda Tabú se generan dos soluciones iniciales, lo que es costoso en tiempo. Sin embargo se puede considerar que el esfuerzo computacional de la Búsqueda Tabú es bueno si vemos el tiempo total empleado por ambas heurísticas. 5. Conclusiones El algoritmo de Búsqueda Tabú para el PRPP obtiene soluciones de alta calidad superando a la heurística del algoritmo de planos de corte en la mayoría de los problemas estudiados. Las estrategias utilizadas en el algoritmo de Búsqueda Tabú pueden ser aplicadas en otros algoritmos de enrutamiento por arcos con beneficios y costos. Una de las mayores contribuciones de este trabajo es el mecanismo de generación de soluciones vecinas en Búsqueda Tabú para el PRPP. Este es un procedimiento clave en el rendimiento de la Búsqueda Tabú y es tan general que puede ser aplicado a otros problema de en- 13
14 Cuadro 2 Resultados de la Búsqueda Tabú y la Heurística de [5] en las instancias del PRPP. Donde V o: valor óptimo, %dheur: porcentaje de desviación de la heurística, %dprombt: porcentaje de desviación del valor promedio de la Búsqueda Tabú, %dmejorbt: porcentaje de desviación del mejor valor encontrado por la Búsqueda Tabú, theur: tiempo de la heurística y tbt: tiempo promedio de la búsqueda tabú Problema V o %dheur %dprombt %dmejorbt theur (seg) tbt (seg) AA AB P D D D D G G G G R R R R Totales rutamiento por arcos con costos y beneficios. El esfuerzo computacional del algoritmo metaheurístico es moderado. Entre los trabajos futuros se encuentra el de aplicar el esquema de la Búsqueda Tabú a otros problemas de enrutamiento por arcos con beneficios y costo, como por ejemplo el Clustered Prize-collecting Arc Routing Problem (CPARP) y el Undirected capacitated arc routing problems with profits (UCARPP). Referencias [1] Ahr, D. and G. Reinelt, A tabu search algorithm for the min max k-chinese postman problem, Computers & Operations Research 33 (2006), pp [2] Amberg, A., W. Domschke and S. Voß, Multiple center capacitated arc routing problems: A tabu search algorithm using capacitated trees, European Journal of Operational Research 124 (2000), pp [3] Aráoz, J., E. Fernández and C. Franquesa, The clustered prize-collecting arc routing problem, Transportation Science 47 (2009), pp [4] Aráoz, J., E. Fernández and C. Franquesa, The windy clustered prize-collecting arc routing problem., in: Conference on System Modelling and Optimization, IFIP TC7, [5] Aráoz, J., E. Fernández and O. Meza, Solving the prize-collecting rural postman problem, European Journal of Operational Research 196 (2009), pp
15 [6] Aráoz, J., E. Fernández and C. Zoltan, Privatized rural postman problems, Computers & Operations Research 33 (2006), pp [7] Archetti, C., D. Feillet, A. Hertz and M. Speranza, The Capacitated Arc Routing Problem with Profits C. Archetti, D. Feillet, Technical report, GERAD (2009). [8] Archetti, C., D. Feillet, A. Hertz and M. Speranza, The undirected capacitated arc routing problem with profits, Computers and Operations Research (2009). [9] Aráos, J., E. Fernández, C. Franquesa and O. Meza, Prize-collecting arc routing problems and extensions, in: Odysseus Conference, Valencia, España, [10] Brandão, J. and R. Eglese, A deterministic tabu search algorithm for the capacitated arc routing problem, Computers & Operations Research 35 (2008), pp [11] Corberán, A., R. Martí, E. Martínez and D. Soler, The Rural Postman Problem on mixed graphs with turn penalties, Computers & Operations Research 29 (2002), pp [12] Corberán, A., R. Martí and A. Romero, Heuristics for the mixed rural postman problem, Computers & Operations Research 27 (2000), pp [13] Deitch, R. and S. Ladany, The one-period bus touring problem: Solved by an effective heuristic for the orienteering tour problem and improvement algorithm, European Journal of Operational Research 127 (2000), pp [14] Dror, M., ARC Routing: Theory, Solutions and Applications, Kluwer Academic Publishers, [15] Feillet, D., P. Dejax and M. Gendreau, The Profitable Arc Tour Problem: Solution with a Branch-and-Price Algorithm, Transportation Science 39 (2005), p [16] Fernández, E., O. Meza, R. Garfinkel and M. Ortega, On the Undirected Rural Postman Problem: Tight Bounds Based on a New Formulation, Operations Research 51 (2003), pp [17] Franquesa, C., The Clustered Prize-collecting Arc Routing Problem, Ph.D. thesis, Universidad Politécnica de Cataluña (2008). [18] Frederickson, G., Approximation algorithms for some postman problems, Journal of the ACM (JACM) 26 (1979), pp [19] Ghiani, G., F. Guerriero, G. Laporte and R. Musmanno, Tabu Search Heuristics for the Arc Routing Problem with Intermediate Facilities under Capacity and Length Restrictions, Journal of Mathematical Modelling and Algorithms 3 (2004), pp [20] Glover, F., Future paths for integer programming and links to artificial intelligence, Computers & Operations Research 13 (1986), pp [21] Glover, F. and M. Laguna, Tabu Search, Springer, [22] Glover, F. and B. Melián-Batista, Búsqueda tabú, Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial 19 (2003), pp [23] Hertz, A., G. Laporte and M. Mittaz, A Tabu Search Heuristic for the Capacitated Arc Routing Problem, Operations Research 48 (2000), pp [24] Irnich, S., New models and methods for arc routing, in: C. Barnhart, U. Clausen, U. Lauther and R. H. Möhring, editors, Models and Algorithms for Optimization in Logistics, number in Dagstuhl Seminar Proceedings (2009). URL [25] Malandraki, C. and M. Daskin, The maximum benefit Chinese postman problem and the maximum benefit traveling salesman problem, European Journal of Operational Research 65 (1993), pp [26] Pearn, W. and K. Wang, On the maximum benefit Chinese postman problem, Omega 31 (2003), pp
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detallesIntroducción a la Teoría de Grafos
Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Árboles Un árbol es un grafo conexo y acíclico (sin ciclos). Un bosque es un grafo acíclico, o sea, una unión disjunta
Más detallesIngeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007
Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el
Más detallesGRAFOS. Prof. Ing. M.Sc. Fulbia Torres
ESTRUCTURAS DE DATOS 2006 Prof. DEFINICIÓN Un grafo consta de un conjunto de nodos(o vértices) y un conjunto de arcos (o aristas). Cada arco de un grafo se especifica mediante un par de nodos. Denotemos
Más detallesIntroducción a la Firma Electrónica en MIDAS
Introducción a la Firma Electrónica en MIDAS Firma Digital Introducción. El Módulo para la Integración de Documentos y Acceso a los Sistemas(MIDAS) emplea la firma digital como método de aseguramiento
Más detallesH E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS
H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS Una situación que se nos plantea algunas veces es la de resolver un problema hacia atrás, esto es, encontrar
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesAlgoritmos sobre Grafos
Sexta Sesión 27 de febrero de 2010 Contenido Deniciones 1 Deniciones 2 3 4 Deniciones sobre Grafos Par de una lista de nodos y una lista de enlaces, denidos a su vez como pares del conjunto de nodos.
Más detallesBREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
Más detallesETSIINGENIO 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 detallesDivisibilidad y números primos
Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos
Más detallesEl palacio de la Alhambra: La primera expansión. El favor de los visires
El palacio de la Alhambra: La primera expansión El favor de los visires Traducido al español por javche Esta expansión contiene cuatro módulos diferentes, que pueden combinarse individualmente o todos
Más detallesFundamentos de Investigación de Operaciones Asignación y Vendedor Viajero
Fundamentos de Investigación de Operaciones y Vendedor Viajero 23 de mayo de 2004 Si bien la resolución del problema de transporte mediante tableau parece ser muy expedita, existen ciertos tipos de problemas
Más detallesPARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA T E M A S
PARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA Valor del dinero en el tiempo Conceptos de capitalización y descuento Ecuaciones de equivalencia financiera Ejercicio de reestructuración de deuda T E M A
Más detallesMétodos Heurísticos en Inteligencia Artificial
Métodos Heurísticos en Inteligencia Artificial Javier Ramírez rez-rodríguez Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana Métodos Heurísticos en Inteligencia Artificial Los problemas de
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detallesDatos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina
Datos del autor Nombres y apellido: Germán Andrés Paz Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Correo electrónico: germanpaz_ar@hotmail.com =========0========= Introducción
Más detallesLa nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx
La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx Resumen Se dan algunas definiciones básicas relacionadas con la divisibilidad
Más detallesBúsqueda tabú y evolución genética para el árbol de expansión capacitado de costo mínimo
Búsqueda tabú y evolución genética para el árbol de expansión capacitado de costo mínimo Efraín Ruiz Dept. d Estadística i Investigació Operativa Universitat Politècnica de Catalunya Jordi Girona, 1-3.
Más detallesComputación 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 detalles5to Año PROFESORES DE 5TO Página 1 de 5
Mecanismos de selección de personal para un puesto de trabajo Análisis y evaluación de capacidades e intereses para un puesto de trabajo El Reclutamiento: En esta fase se pretende reunir el mayor número
Más detallesPROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables
Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver
Más detalles7. VLSM. IST La Recoleta
7. VLSM El subneteo con VLSM (Variable Length Subnet Mask), máscara variable ó máscara de subred de longitud variable, es uno de los métodos que se implementó para evitar el agotamiento de direcciones
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesGuías _SGO. Gestione administradores, usuarios y grupos de su empresa. Sistema de Gestión Online
Guías _SGO Gestione administradores, usuarios y grupos de su empresa Sistema de Gestión Online Índice General 1. Parámetros Generales... 4 1.1 Qué es?... 4 1.2 Consumo por Cuentas... 6 1.3 Días Feriados...
Más detallesFórmulas y enfoques utilizados para calcular el Tasa Efectiva de Interés (TEI) o Costo Anual Total (CAT)
Fórmulas y enfoques utilizados para calcular el Tasa Efectiva de Interés (TEI) o Costo Anual Total (CAT) El propósito del Costo Anual Total (CAT) El precio verdadero del préstamo no solamente incluye los
Más detallesInvestigación 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 detallesProblema de Programación Lineal
Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,
Más detallesMICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO
MICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO EJERCICIO 1 Primero analizamos el equilibrio bajo el monopolio. El monopolista escoge la cantidad que maximiza sus beneficios; en particular, escoge la cantidad
Más detallesTÉRMINOS Y CONDICIONES MÁS X MÁS
TÉRMINOS Y CONDICIONES MÁS X MÁS DENOMINACIÓN: MÁS POR MÁS de la CUENTA CORRIENTE REMUNERADA B.O.D. MERCADO OBJETIVO: Esta Campaña está dirigida a toda persona natural y jurídica que mantenga y/o abra
Más detallesUNIDAD 1. LOS NÚMEROS ENTEROS.
UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar
Más detallesBase de datos en Excel
Base de datos en Excel Una base datos es un conjunto de información que ha sido organizado bajo un mismo contexto y se encuentra almacenada y lista para ser utilizada en cualquier momento. Las bases de
Más detallesTÉRMINOS Y CONDICIONES
TÉRMINOS Y CONDICIONES Denominación: MÁS POR MÁS de la CUENTA CORRIENTE INVERAMIGO B.O.D. Mercado Objetivo: Esta Campaña está dirigida a toda persona natural y jurídica que mantenga y/o abra una Cuenta
Más detallesRegistro (record): es la unidad básica de acceso y manipulación de la base de datos.
UNIDAD II 1. Modelos de Bases de Datos. Modelo de Red. Representan las entidades en forma de nodos de un grafo y las asociaciones o interrelaciones entre estas, mediante los arcos que unen a dichos nodos.
Más detallesLos números racionales
Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones
Más detallesFórmulas. Objetivos y Definición. Definir fórmulas nos brinda una forma clave de compartir conocimiento y obtener código generado optimizado
97 Objetivos y Definición Definir fórmulas nos brinda una forma clave de compartir conocimiento y obtener código generado optimizado Cuando el valor de un atributo o variable puede calcularse a partir
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesTema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de
Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de vértices o nodos conectados con arcos y/o aristas. Diseñar
Más detallesOperaciones Morfológicas en Imágenes Binarias
Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los
Más detallesJuegos Dinámicos. Tema 2: Juegos Dinámicos con Información Imperfecta. Universidad Carlos III
Juegos Dinámicos Tema 2: Juegos Dinámicos con Información Imperfecta Universidad Carlos III JD con información Imperfecta (JDII) Ø Algún jugador desconoce la acción que ha tomado otro jugador Ø Cuando
Más detallesComplejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III
Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen
Más detallesIngeniería en Informática
Departamento de Informática Universidad Carlos III de Madrid Ingeniería en Informática Aprendizaje Automático Junio 2007 Normas generales del examen El tiempo para realizar el examen es de 3 horas No se
Más detallesSistemas de ayuda a la decisión Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico
Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico Indice 1) Motivavión, Identifición y Estructuración del problema 2) Análisis Paramétrico: Medidas basadas en distancias de umbral
Más detallesGestión de Retales WhitePaper Noviembre de 2009
Gestión de Retales WhitePaper Noviembre de 2009 Contenidos 1. Introducción 3 2. Almacén de retales 4 3. Propiedades de los materiales 6 4. Alta de retales 8 5. Utilización de retales en un lote de producción
Más detallesTratamiento del Riesgo
Tratamiento del Riesgo 1 En que consiste el tratamiento de los riesgos? 2. Cuando debemos enfrentarnos a los riesgos? 3. Estrategias de tratamiento de riesgos 4. Modelo de Análisis de Riesgos 5. Qué pasos
Más detallesUn grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas).
TEMA 5.- GRAFOS 5.1.- DEFINICIONES BÁSICAS Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). Gráficamente representaremos
Más detallesFigura 4.1 Clasificación de los lenguajes de bases de datos
1 Colección de Tesis Digitales Universidad de las Américas Puebla Romero Martínez, Modesto Este capítulo describen los distintos lenguajes para bases de datos, la forma en que se puede escribir un lenguaje
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesInteroperabilidad de Fieldbus
2002 Emerson Process Management. Todos los derechos reservados. Vea este y otros cursos en línea en www.plantwebuniversity.com. Fieldbus 201 Interoperabilidad de Fieldbus Generalidades Qué es interoperabilidad?
Más detallesUnidad 5 Utilización de Excel para la solución de problemas de programación lineal
Unidad 5 Utilización de Excel para la solución de problemas de programación lineal La solución del modelo de programación lineal (pl) es una adaptación de los métodos matriciales ya que el modelo tiene
Más detallesCapítulo 1. MANUAL DE USUARIO
Capítulo 1. MANUAL DE USUARIO 1.1 SUCESIONES GRÁFICAS Lo primero que se hará es mostrar la pantalla que se encontrará el usuario cuando ejecute la aplicación, indicando las zonas en las que se divide esta:
Más detallesEn cualquier caso, tampoco es demasiado importante el significado de la "B", si es que lo tiene, lo interesante realmente es el algoritmo.
Arboles-B Características Los árboles-b son árboles de búsqueda. La "B" probablemente se debe a que el algoritmo fue desarrollado por "Rudolf Bayer" y "Eduard M. McCreight", que trabajan para la empresa
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detalles1.4.- D E S I G U A L D A D E S
1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y
Más detallesLección 4: Suma y resta de números racionales
GUÍA DE MATEMÁTICAS II Lección : Suma y resta de números racionales En esta lección recordaremos cómo sumar y restar números racionales. Como los racionales pueden estar representados como fracción o decimal,
Más detallesTécnicas de prueba 1. FUNDAMENTOS DE LA PRUEBA DEL SOFTWARE
Técnicas de prueba El desarrollo de Sistemas de software implica la realización de una serie de actividades predispuestas a incorporar errores (en la etapa de definición de requerimientos, de diseño, de
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detallesReglas del juego. 2 o más jugadores
Reglas del juego 2 o más jugadores & OTROS JUEGOS DE DADOS La generala Real es una versión nueva de la Generala tradicional, enriquecida en algunas variantes que la convierten en un excelentejuego familiar.
Más detallesIntroducción En los años 60 s y 70 s cuando se comenzaron a utilizar recursos de tecnología de información, no existía la computación personal, sino que en grandes centros de cómputo se realizaban todas
Más detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesAnálisis de propuestas de evaluación en las aulas de América Latina
Esta propuesta tiene como objetivo la operatoria con fracciones. Se espera del alumno la aplicación de un algoritmo para resolver las operaciones. Estas actividades comúnmente presentan numerosos ejercicios
Más detallesOptimización de Procesos
Optimización de Procesos Tier I: Métodos Matemáticos de Click to edit Master title style Optimización Sección 4: Optimización Multi-Objetivo Click to Introducción edit Master title style La optimización
Más detalles4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD
4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detalles4 Pruebas y análisis del software
4 Pruebas y análisis del software En este capítulo se presentan una serie de simulaciones donde se analiza el desempeño de ambos sistemas programados en cuanto a exactitud con otros softwares que se encuentran
Más detallesINDICE. 1. Introducción... 4. 2. El panel Entities view... 5. 3. El panel grafico... 6. 4. Barra de botones... 6. 4.1. Botones de Behavior...
MANUAL DE USUARIO INDICE 1. Introducción... 4 2. El panel Entities view... 5 3. El panel grafico... 6 4. Barra de botones... 6 4.1. Botones de Behavior... 7 4.2. Botones de In-agents... 8 4.3. Botones
Más detallesTABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.
TABLA DE DECISION La tabla de decisión es una herramienta que sintetiza procesos en los cuales se dan un conjunto de condiciones y un conjunto de acciones a tomar según el valor que toman las condiciones.
Más detallesInstructivo Asesoría Básica Comunidad Virtual SharePoint 2010
Instructivo Asesoría Básica Comunidad Virtual SharePoint 2010 CONTENIDO 1. Qué es? 2. Cómo crear y acceder a la Comunidad Virtual en Microsoft SharePoint 2010? Ejemplo. 3. Qué tengo en la página de inicio
Más detalles1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detallesACCIONES Y OTROS TÍTULOS DE INVERSIÓN
ACCIONES Y OTROS TÍTULOS DE INVERSIÓN TASAS EFECTIVAS DE RENDIMIENTO ANUAL Y MENSUAL: Es aquélla que se emplea en la compraventa de algunos valores en el Mercado Bursátil o Bolsa de Valores. Estas tasas
Más detalles1. MEDIDAS DE TENDENCIA CENTRAL
1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas
Más detallesUn problema sobre repetidas apuestas al azar
Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito
Más detallesAmpliación de Estructuras de Datos
Ampliación de Estructuras de Datos Amalia Duch Barcelona, marzo de 2007 Índice 1. Diccionarios implementados con árboles binarios de búsqueda 1 2. TAD Cola de Prioridad 4 3. Heapsort 8 1. Diccionarios
Más detallesManual Consultas Web - PC Sistel Ver 486R4+ - USUARIO JEFATURA
PCSISTEL Ver 486R4+ Diseñado y Desarrollado por Visual Soft S.A.C. Todos los Derechos reservados. 2006 Este producto y su respectiva documentación así como el nombre PCSISTEL se encuentra debidamente registradas
Más detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
Más detallesPREPROCESADO DE DATOS PARA MINERIA DE DATOS
Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado
Más detallesDESCRIPCIÓN DE LA METODOLOGÍA UTILIZADA EN EL PROGRAMA DE CESTAS REDUCIDAS ÓPTIMAS
DESCRIPCIÓN DE LA METODOLOGÍA UTILIZADA EN EL PROGRAMA DE CESTAS REDUCIDAS ÓPTIMAS Replicar un índice Formar una cartera que replique un índice (o un futuro) como el IBEX 35, no es más que hacerse con
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa. 1. Reputación. Apuntes de Teoría de Juegos Profesor: Carlos R. Pitta
En estas notas revisaremos los conceptos de reputación desde la perspectiva de información incompleta. Para ello usaremos el juego del ciempiés. Además, introduciremos los conceptos de juegos de señales,
Más detallesDESARROLLO DE HABILIDADES DEL PENSAMIENTO LÓGICO
I. SISTEMAS NUMÉRICOS DESARROLLO DE HABILIDADES DEL PENSAMIENTO LÓGICO LIC. LEYDY ROXANA ZEPEDA RUIZ SEPTIEMBRE DICIEMBRE 2011 Ocosingo, Chis. 1.1Sistemas numéricos. Los números son los mismos en todos
Más detallesApuntes de Matemática Discreta 1. Conjuntos y Subconjuntos
Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos
Más detallesCONSULTAS CON SQL. 3. Hacer clic sobre el botón Nuevo de la ventana de la base de datos. Aparecerá el siguiente cuadro de diálogo.
CONSULTAS CON SQL 1. Qué es SQL? Debido a la diversidad de lenguajes y de bases de datos existentes, la manera de comunicar entre unos y otras sería realmente complicada a gestionar de no ser por la existencia
Más detallesMEDIDAS DE TENDENCIA CENTRAL
CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función
Más detallesIntroducción a la Computación Evolutiva
Introducción a la Computación Evolutiva Sección de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello
Más detallesMetodología Orientada a Objetos Clave 43100007 Maestría en Sistemas Computacionales
Metodología Orientada a Objetos Clave 43100007 Maestría en Sistemas Computacionales Modulo 03 UML: Vista de Casos de Uso Artefacto: Actores Catedrático MSC. Jose Juan Aviña Grimaldo e-mail josejuan_avina@gmail.com
Más detallesMovimiento a través de una. José San Martín
Movimiento a través de una curva José San Martín 1. Introducción Una vez definida la curva sobre la cual queremos movernos, el siguiente paso es definir ese movimiento. Este movimiento se realiza mediante
Más detallesBanco de la República Bogotá D. C., Colombia
Banco de la República Bogotá D. C., Colombia Subgerencia de Informática Departamento de Seguridad Informática MANUAL DE USUARIO PARA EL SERVICIO - SISTEMA DE GESTIÓN PKI DE USUARIOS ROAMING - USI-GI-56
Más detallesDOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:
DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)
Más detallesCurso de Finanzas para Ejecutivos no Financieros. 3.3 Estado de Resultados
3.3 Es el Estado Financiero Básico que presenta información relevante acerca de las operaciones desarrolladas por una entidad durante un periodo determinado. Mediante la determinación de la utilidad neta
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesInversión. Inversión. Arbitraje. Descuento. Tema 5
Inversión Tema 5 Inversión Los bienes de inversión obligan a gastar hoy para obtener ganancias en el futuro Vamos a estudiar cómo se valoran los pagos futuros Por ejemplo, la promesa de recibir euro dentro
Más detalles7. Conclusiones. 7.1 Resultados
7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar
Más detallesRedes de Kohonen y la Determinación Genética de las Clases
Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesa < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)
Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,
Más detallesDe dos incógnitas. Por ejemplo, x + y 3 = 4. De tres incógnitas. Por ejemplo, x + y + 2z = 4. Y así sucesivamente.
3 Ecuaciones 17 3 Ecuaciones Una ecuación es una igualdad en la que aparecen ligados, mediante operaciones algebraicas, números y letras Las letras que aparecen en una ecuación se llaman incógnitas Existen
Más detallesSIIT SISTEMA INFORMÁTICO DE INSPECCIONES DE TRABAJO. Modulo de Planificación Manual de Usuario
SISTEMA INFORMÁTICO DE INSPECCIONES DE TRABAJO Modulo de Planificación Manual de Usuario Oficina General de Estadística e Informática Oficina de Informática Unidad de Análisis y Desarrollo MÓDULO DE PLANIFICACIÓN
Más detalles