Resumen de Modelos meméticos cooperativos para la optimización de problemas combinatorios
John Edgar Amaya Salazar
Esta tesis trata sobre problemas de optimización combinatoria (COPs) y propone diferentes esquemas de hibridación de técnicas metaheurísticas para abordarlos. La idea básica subyacente es que una adecuada forma de cooperación de métodos puede resultar en otro método que combine las mejores caracterfsticas de las técnicas involucradas y por tanto proporcione un mejor rendimiento. En esta tesis se estudian diferentes esquemas cooperativos que siguen un enfoque bien integrativo --en la cual uno o más métodos son usados como parte de una técnica principal de optimización basada en poblaciones-- bien colaborativo ---en el cual varios métodos se ejecutan aisladamente y cada cierto tiempo, de forma sincrona o asíncrona, comparten información.
Con respecto a la primera forma de colaboración, se analizan algoritmos meméticos resultantes del empleo de técnicas de búsqueda local (LS) dentro de un algoritmo de optimización basado en una población de individuos; este algoritmo no es necesariamente un algoritmo genético pues también se consideran algoritmos de estimación de distribuciones (EDAs) y variantes de éstos, especialmente el método de Entropía Cruzada (CE).
Con respecto a la segunda forma de cooperación, se proponen un conjunto de algoritmos meméticos cooperativos mull í agente basados en diferentes topologfas (i.e., estructuras espaciales) de comunicación; estos modelos cooperativos se han desarrollado a través de un sistema multi-agente que pone en comunicación métodos metaheurísticos tales como búsquedas locales y algoritmos genéticos. Este modelo multi-agente es extendido entonces genéricamente de forma que cada uno de sus componentes puede contener a su vez un modelo cooperativo (tanto integrativo como colaborativo) dando lugar a lo que denominamos "modelo memético meta-cooperativo".
