OPTIMIZACIN

COMBINATORIA
MODELOS DE DECISIN

OSCAR HERNANDEZ COZATL

ID:3372702
Tabla de contenido
Optimizacin Combinatoria........................................................................................2
Tipos de tcnicas...................................................................................................2
Heursticas..........................................................................................................2
Meta-heursticas.................................................................................................2
Teora de la Complejidad.......................................................................................3
Concepto de Heurstica..........................................................................................4
Procedimientos Meta-heursticos...........................................................................4
Tipo de representacin.......................................................................................4
 Optimizacin Combinatoria
La Optimizacin Combinatoria es una rama de la optimizacin. Su dominio se
compone de problemas de optimizacin donde el conjunto de posibles soluciones
es discreto o se puede reducir a un conjunto discreto.
A la hora de tratar con problemas de optimizacin combinatoria, el objetivo
consiste en encontrar la mejor solucin posible existente o solucin ptima,
aquella que minimiza una funcin de coste dada.
Si el problema no es complejo existen tcnicas para resolver dichos problemas,
como el Branch and Bound, Branch and Cut, etc. A medida que la complejidad del
espacio de bsqueda aumenta, el coste de ejecucin de dichos algoritmos puede
aumentar de forma exponencial, convirtiendo la resolucin en prcticamente
inviable.
Otra posibilidad para afrontar este tipo de problemas, consiste en buscar una
solucin sub-ptima, pero en un tiempo razonable. En algunos casos es posible
encontrar incluso la solucin ptima al problema.

Tipos de tcnicas
Este tipo de tcnicas se pueden dividir en dos grandes grupos:
Heursticas
Meta-heursticas

Adems de estos grupos, est surgiendo en la actualidad une nueva tecnologa

que se puede usar para este tipo de problemas, la tecnologa de Razonamiento
Basado en Casos o CBR (Case Based Reasoning).

Heursticas
Las tcnicas heursticas son algoritmos que encuentran soluciones de buena
calidad para problemas combinatorios complejos explotando el conocimiento del
dominio de aplicacin. Los algoritmos heursticos son fciles de implementar y
encuentran buenas soluciones con esfuerzos computacionales relativamente
pequeos; sin embargo, renuncian (desde el punto de vista terico) a encontrar la
solucin ptima global de un problema. En problemas de gran tamao rara vez un
algoritmo heurstico encuentra la solucin ptima global.

Meta-heursticas
Los algoritmos meta-heursticos son algoritmos de propsito general, que no
dependen del problema, y que ofrecen buenos resultados pero que normalmente
no acaban ofreciendo la solucin ptima sino soluciones sub-ptimas. Se
acostumbran a utilizar para aquellos problemas en que no existe un algoritmo o
heurstica especficos que los resuelva, o bien cuando no es prctico implementar
dichos mtodos.
 Teora de la Complejidad
La teora de la complejidad computacional es la rama de la teora de computacin
que estudia los recursos, o coste, de computacin requerido para resolver un
problema dado. Este coste se suele medir en trminos de parmetros abstractos
como el tiempo y el espacio. Tiempo son los pasos que requiere el problema para
ser resuelto y el espacio suele referirse a la cantidad de memoria que utiliza. Otros
recursos que se pueden considerar es el nmero de procesadores en paralelo que
se necesitan para resolver un problema en paralelo. En este caso hay que
considerar el tiempo paralizable y el no paralelizable. La teora de la complejidad
no es la teora de la comptuabilidad que tiene que ver con la capacidad de
resolver un problema, independientemente de los recursos requeridos. P y NP La
clase de complejidad P es el conjunto de problemas de decisin que pueden ser
resueltos por una mquina determinista en tiempo polinomial. Esta clase
corresponden a la idea intuitiva de los problemas que se puede resolver de modo
efectivo en los peores casos. La clase de complejidad NP es el conjunto de
problemas de decisin que pueden resolverse por una mquina no determinista en
tiempo polinomial. Esta clase contiene una gran cantidad de problemas que se
pretenden resolver. La principal propiedad de los problemas de esta clase es que
sus soluciones pueden ser chequeadas de modo eficiente en tiempo polinomial.
 Concepto de Heurstica
Un algoritmo heurstico es un procedimiento que permite encontrar una solucin y
que suelen disearse de modo especfico para cada problema. En Programacin
Matemtica heurstica suele hacer referencia a un procedimiento que busca una
solucin aunque no garantiza encontrar la mejor solucin. En Inteligencia Artificial
se suele denominar funcin heurstica a aquella que dirige la bsqueda (o
construccin) de una solucin, utilizando algn mecanismo ms o menos sencillo.
Un buen algoritmo heurstico debe ser eficiente, bueno y robusto. Esto es debe
requerir un esfuerzo computacional realista, su resultado debe estar
suficientemente cerca del ptimo, y la probabilidad de obtener una mala solucin
debe ser baja. Un tipo especial de heursticas son las constructivas, es decir
aquellas que en cada paso aaden un elemento ms a una solucin que no ha
sido completamente construida. Las Heursticas constructivas se pueden utilizar
siempre que el problema se puede resolver mediante decisiones sucesivas.
(Rutas, Secuenciacin, Lneas de Montaje).En muchas ocasiones el objeto de la
decisin es evidente, pero no necesariamente es as. El otro tipo principal de
heursticas son las de bsqueda de entornos o de mejora local. Estas parten de
una solucin cualquiera (no necesariamente aleatoria) y avanzan buscando en el
vecindario ms prximo, produciendo mejoras hasta que alcanzan un punto donde
ningn elemento en el vecindario es mejor que la solucin de la que ya se
dispone. Las heursticas tambin pueden ser de tipo voraz estas heursticas eligen
siempre las soluciones mejores de modo local para generar el resultado. Algunas
heursticas greedy son ptimas pero no necesariamente es as. Los algoritmos de
tipo voraz suelen ser muy rpidos pues no consideran alternativas. La alternativa a
las heursticas greedy son las Heursticas con BackTracking. Estas son heursticas
que si alcanzan un punto de no retorno (o no suficientemente buenos) retroceden
en el proceso de reconstruccin, para analizar caminos abandonados.

Procedimientos Meta-heursticos
Los procedimientos meta-heursticos son un marco de referencia de alto nivel que
se especializa para resolver problemas de optimizacin. Es tambin una estrategia
que gua otras heursticas en la bsqueda de mejores soluciones factibles. Las
meta-heursticas deberan ser generales y simples. A medida que se especializan
pierden la generalidad y exigen ms conocimiento del problema especfico,
Modelado mediante Optimizacin Combinatoria Pgina 18 de 31 JPGS2006
Adems de los parmetros que definen cada algoritmo especfico, las meta-
heursticas requieren algn tipo de representacin que por tanto es dependiente
de cada problema.

Tipo de representacin
Entre la meta-heurstica ms conocida se puede destacar:
Algoritmos de Hormigas
 Algoritmos Genticos
Algoritmos Mimticos
Redes Neuronales
Scatter Search
Recocido Simulado
Bsqueda Tab
Target Analysis
GRASP.