Metaheurísticas híbridas cooperativas y su control usando soft computing y conocimiento previo

• Autores: Enrique Muñoz Ballester
• Directores de la Tesis: María del Carmen Garrido Carrera (dir. tes.) , José Manuel Cadenas Figueredo (dir. tes.)
• Lectura: En la Universidad de Murcia ( España ) en 2010
• Idioma: español
• Tribunal Calificador de la Tesis: José Luis Verdegay Galdeano (presid.) , Luis Daniel Hernández Molinero (secret.) , David Alejandro Pelta Mochcovsky (voc.) , Landa Silva Darío (voc.) , María Belén Melián Batista (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • Este trabajo presenta una propuesta relacionada con la resolución de problemas de optimización utilizando metaheurísticas cooperativas. La propuesta abarca el diseño, desarrollo y aplicación de estas técnicas a diversos ámbitos dentro de los problemas de optimización. El objetivo es la obtención de un marco general para el diseño y construcción de metaheurísticas cooperativas. Las metaheurísticas construidas utilizando este marco deberán ser robustas y capaces de adaptarse a los distintos problemas de optimización que surgen en un entorno real, así como a las distintas instancias que puedan aparecer en cada problema.

    Para ello se propone una arquitectura multiagente en la que metaheurísticas de diversa índole (tanto basadas en trayectorias, como en poblaciones) cooperan bajo la supervisión de un coordinador que, haciendo uso de técnicas de soft computing y modelos de conocimiento obtenidos utilizando técnicas de minería de datos, es capaz de adaptarse a los distintos problemas de optimización e instancias que puedan aparecer, obteniendo resultados competitivos.

    Se ha estudiado la influencia de los parámetros que configuran la metaheurística: metaheurísticas que la componen, tipo de estructura, esquema de cooperación, frecuencia de intercambios, proceso de extracción inteligente de conocimiento. En base a estos estudios se ha comprendido el funcionamiento de la estrategia y se han propuesto mejoras para paliar sus puntos débiles.

    Por último, se han resuelto diversos problemas de optimización de varios tipos: problemas de optimización combinatoria y continua, problemas estáticos y dinámicos, problemas del mundo real y de laboratorio... Los resultados obtenidos en todos los casos han sido satisfactorios.