UNIVERSIDAD PRIVADA ANTENOR ORREGO

FACULTAD DE INGENIERÍA
Escuela de Ingeniería Industrial

ALGORITMO EVOLUTIVO EFICIENTE

APLICADO A LA PLANEACIÓN DE LA
EXPANSIÓN DE SISTEMAS DE
DISTRIBUCIÓN
CURSO : GESTIÓN DEL TRANSPORTE

DOCENTE : ING. BERMEO RODRIGUEZ, JANETT

INTEGRANTES :
GÓMEZ CRUZADO, PAMELA
GONZALES, PIERO
GRADOS NAMAY, DANIEL
MARQUINA AURORA, ADRIANA
OCAMPOS COBA, GOSBY
ORTIZ MEDINA, WALTER
VÍLCHEZ BACA, ROXANA
 TRUJILLO – PERÚ
2019
ALGORITMO EVOLUTIVO EFICIENTE APLICADO A LA PLANEACIÓN DE LA
EXPANSIÓN DE SISTEMAS DE DISTRIBUCIÓN
Carlos García, Edwin García y Fernando Villada

1. Discutir con el autor del artículo y proponer 2 conclusiones que aporten en la

mejora de los algoritmos.

 Si bien es cierto, los AG canónicos no son los suficientemente buenos al tratarse de

distribuciones complejas como lo es nuestro caso, estos pueden considerarse
relativamente buenos al estar frente a un sistema de distribución de pequeñas
dimensiones con características y parámetros similares, pero más simples. Un
pequeño número de elementos expuestos a la mutación y por ende una disminución
exponencial en el tamaño del espacio de búsqueda.

Cómo el que se muestra en la figura, basado en un punto:

 En una investigación futura debería proponerse una reformulación de la

representación de los candidatos que permitiese una mayor libertad al método
genético, a la vez que aprovechase mejor sus capacidades y limitase la
degeneración de la población. Por ejemplo, podría considerarse permitir al
algoritmo elegir el tipo de función interpoladora o incluso construir la suya propia a
partir de bloques constructivos básicos. También, y debido a las capacidades
implícitas de paralelización de los AE en futuras ampliaciones podrían
considerarse estrategias de evolución en implementación paralela para explotar al
máximo las posibilidades de ejecución concurrente en multi-cpu, computación
GPU, o ejecución en un Grid dedicado de alto rendimiento.

2. De los resultados obtenidos, mencionar el valor agregado en tiempo de

ejecución.
Modifican los operadores genéticos del algoritmo canónico, por unos particulares que se
adecuen al planteamiento del problema de la optimización de la planeación y garanticen
que dentro del proceso se transmita la calidad de los individuos que se cruzan a las
siguientes generaciones.
Tabla 2: Resultados de pruebas de variación de la mutación

Tiempo de ejecución [S] Porcentaje de

Mutación [%] disminución
AG Canónico AG Modificado tiempo

10 15.2 10.1 34%

5 14.4 9.7 33%

4 18.9 9.8 48%

3 19.7 9.7 46%

VALOR AGREGADO
Se implementó una mutación que identifica rutas alternativas para atender las cargas del
sistema de distribución que no han sido empleadas en la solución a la cual se le está
efectuando la mutación. La ruta alternativa identificada, reemplaza la existente en la
solución, efectuando la mutación y garantizando la factibilidad del individuo. Alcanzando de
esta manera la convergencia más rápida, diversidad en las soluciones y mejorando los
problemas identificados dentro del AG canónico, todo esto sin cambiar su estructura, solo
modificando las estrategias.