Aqu es un vector de variables decisionales, y es la funcin objetivo.
Se asume que el problema es de minimizacin. Tales problemas son conocidos
como discretos o Problema de optimizacin Combinatoria o COP
(Combinatorial Optimization Problem).
Una de las facilidades distintivas de GA, es permitir la separacin de la
representacin del problema desde las actuales variables del cual fue
originalmente desarrollado. En otras palabras, se distingue el genotipo la
representacin codificada de las variables desde el fenotipo. Esto es, el vector
es representado por un string o una cadena s de longitud l desde un alfabeto
A usando el mapeo:
En la prctica, se necesita usar un espacio de bsqueda
La imagen de
Donde la funcin es
Con inyectiva, desde el punto que tiene una inversa.
Tanto los libros de Holland como Goldberg, plantean la representacin
de las variables como un string binario, es decir .
2.2.5.2 GA aplicado al TSP
El primer estudio sobre aproximacin al TSP a partir de GA la efectu Brady
(1985). Ms tarde fue seguido por Grefenstette y colaboradores (1985),
Goldberg y Lingle (1985), Oliver y col. (1987) y otros.
Aqu se exponen algunas representaciones, as como diferentes
operadores de cruce y mutacin, que han sido utilizados para resolver el TSP
por medio de GA. En particular se trata sobre la representacin basada en la
trayectoria que es la ms utilizada, y luego se explicar la
representacin binaria que presenta algunos problemas a la hora de realizar el
cruzamiento y mutacin clsicos y, por ese motivo, tuvo que idearse un mtodo
distinto para resolver el TSP utilizando este tipo de representacin.
La representacin basada en la trayectoria es la representacin ms
natural de un tours o. Una gira se representa como una lista de n ciudades. Si
la ciudad k es el j-simo elemento de la lista, la ciudad k es la j-sima ciudad a
visitar. As por ejemplo, la gira 11 > 2 > 3 > 8 > 9 > 4 > 7 > 6 > 1 > 5
>10 se representa como en la figura 2.7.
11 2 3 8 9 4 7 6 1 5 10
Figura 2.7: Ciclo de un GA
Los operadores clsicos no funcionan con esta representacin, por
tal razn se han definido otros operadores de cruce y mutacin, tales como:
PMX, CX, OX1, OX2, POS, ER y AP para cruces, y DM, EM, ISM, SIM, IVM,
SM para mutacin.
En la operacin PMX, introducida por Goldberg y Lingle, una parte de la
lista representando a uno de los padres, se hace corresponder con una parte,
de igual tamao, de la lista del otro padre, intercambiando la
informacin restante. Por ejemplo en la figura 2.8, se consideran las listas de
dos padres, y se selecciona aleatoriamente el intercambio de 3 elementos,
empezando desde la cuarta posicin. Se observa las relaciones 84, 95 y
46 y viceversa.
11 2 3 8 9 4 7 6 1 5 10
1 2 3 4 5 6 7 8 9 10 11
11 2 3 4 5 6 7 6 1 5 10
1 2 3 8 9 4 7 8 9 10 11
Figura 2.8: Operador PMX
En el primer padre est repetido el valor de 6 en la octava posicin y se
cambia por 8, desde la relacin 648; y el 5 (posicin 10) por 9.
11 2 3 4 5 6 7 8 1 9 10
1 2 3 8 9 4 7 6 5 10 11
Figura 2.9: Resultado del operador PMX
Con respecto al segundo padre el valor repetido de 8 se cambia por 6; y
el valor de 9 (posicin 10) se cambia por 5. La aplicacin completa del
operador PMX es la que se presenta en la figura 2.9 para dos descendientes.
El operador CX de Oliver (1987), crea un descendiente a partir de los
padres, de tal manera que cada posicin se ocupa por el correspondiente
elemento de uno de los padres. Por ejemplo, se considera los padres de la
figura 2.10.
Se escoge el primer elemento del descendiente bien del primer
elemento del primer padre o del primer elemento del segundo padre. Por tanto,
el primer elemento del descendiente debe ser un 1 o un 8. Se ha escogido el 1.
Luego se considera el ltimo elemento del descendiente. Ya que dicho
elemento debe ser escogido de uno de los padres, puede tratarse de un 6 u 8.
Se escoge el 8, con lo cual el descendiente est constituido por el 1 en el
primer elemento y 8 en el ltimo.
De forma anloga se encuentra que el segundo y cuarto elemento
del descendiente deben de ser seleccionados del segundo padre.
Una vez concluido esa etapa, se considera el tercer elemento del
descendiente. Dicho elemento puede ser escogido de cualquiera de los
padres. Supongamos que lo seleccionamos del segundo padre. Esto
implica que los elementos quinto, sexto y sptimo del descendiente
deben de escogerse del segundo padre.
8 2 3 1 5 4 7 6
1 2 3 4 5 6 7 8
1 8
1 2 4 8
1 2 3 4 5 6 7 8
Figura 2.10: Operador CX
El operador de mutacin DM de Michalewizc (1992), comienza
seleccionando una sub-lista al azar. Dicha sub-lista se extrae de la lista, y se
inserta en una posicin aleatoria. Por ejemplo, considerando el tours de la
figura 2.11, se observa que se selecciona la sub-lista compuesta de 8->9->4-
>7->6. Despus de quitar la sub-lista se tiene: 11->2->3->1->5->10. Si se
selecciona la ciudad 10, para insertar la sub-lista se tiene la lista del nuevo
descendiente.
11 2 3 8 9 4 7 6 1 5 10
11 2 3 8 9 4 7 6 1 5 10
11 2 3 1 5 10
1 2 3 1 5 10 8 9 4 7 6
Figura 2.11: Operador de mutacin DM
2.3 DEFINICION DE TERMINOS BASICOS
ADMINISTRACIN: Conjunto ordenado y sistematizado de principios, tcnicas
y prcticas que tiene como finalidad apoyar la consecucin de los objetivos de
una organizacin a travs de la provisin de los medios necesarios para
obtener los resultados con la mayor eficiencia, eficacia y congruencia; as como
la ptima coordinacin y aprovechamiento del personal y los recursos tcnicos,
materiales y financieros.
ANLISIS: Descomposicin del todo en sus partes para extraer conocimiento.
ALTERNATIVA: Ver solucin.
ALELO: Valor que puede adoptar un gen.
CLIENTE: Es quien accede a un producto o servicio por medio de una
transaccin financiera (dinero) u otro medio de pago. Quien compra, es el
comprador, y quien consume el consumidor.
CONOCIMIENTO: Facultad o efecto de conocer. Poseen conocimiento
aquellos seres capaces de traer a su conciencia (vid. CONCIENCIA) el mundo
que les rodea o su propia realidad. Por el conocimiento, el sujeto entra con las
cosas conocidas en la relacin sujeto-objeto. Existen grados distintos de
conocimiento (de "luces"), desde el conocimiento animal hasta la visin
beatifica.
CONTROLAR: Acto de medir y registrar los resultados alcanzados por un
agente del sistema organizacional en un tiempo y espacio determinados.
EFECTIVIDAD: Cumplimiento al ciento por ciento de los objetivos planteados.
EFICACIA: Capacidad de lograr los objetivos y metas programadas con los
recursos disponibles en un tiempo predeterminado.
Capacidad para cumplir en el lugar, tiempo, calidad y cantidad las metas y
objetivos establecidos.
EFICIENCIA: Uso racional de los medios con que se cuenta para alcanzar un
objetivo predeterminado; es el requisito para evitar o cancelar dispendios y
errores.
Capacidad de alcanzar los objetivos y metas programadas con el mnimo de
recursos disponibles y tiempo, logrando su optimizacin.
ENFOQUE AL CLIENTE: Mtodo de Gestin, basado en identificar y desplegar
internamente los requisitos cuyo desarrollo satisface las necesidades y
expectativas de los clientes, y en priorizar coherentemente los procesos de la
organizacin que repercuten en su satisfaccin.
ESPACIO DE SOLUCIONES: Conjunto de todas las posibles soluciones a un
problema determinado que es posible alcanzar con el sistema de resolucin
empleado. Equivale a espacio de individuos.
EXPERIMENTACIN: Observacin provocada.
FENOTIPO: Caractersticas fsicas de un individuo determinadas por su
genotipo y las condiciones del medio externo.
FUNCION: Mandato formal permanente e impersonal de una organizacin o de
un puesto de trabajo.
GEN: Analoga natural de cada uno de los elementos que conforman la cadena
o cromosoma que se necesita para representar un individuo.
GENERACION: Proceso de creacin de nuevos individuos. Tambin se
emplea como sinnimo de poblacin.
GENOTIPO: Se emplear para denotar el contenido gentico de un individuo,
es decir, el cromosoma que lo codifica.
HIPTESIS: Antecedente de una proposicin condicional o hipottica.
Enunciado que slo se puede probar por sus consecuencias.
INDIVIDUO: Equivalente analgicamente a solucin o alternativa.
MEDIO EXTERNO: Entorno en el que se desarrollan y compiten los individuos.
En el presente trabajo ser anlogo al dominio de ubicacin de las actividades.
META: Es la cuantificacin del objetivo que se pretende alcanzar en un tiempo
sealado, con los recursos necesarios.
MTODO: Proceso o camino sistemtico establecido para realizar una tarea o
trabajo con el fin de alcanzar un objetivo predeterminado.
MTODO CIENTFICO: Sigue la definicin tradicional del mtodo cientfico. Se
enuncia una hiptesis, esta se intenta comprobar mediante la realizacin de
una prueba, controlando las variables
METODOLOGA: Parte de la lgica que estudia los mtodos (y sus formas
lgicas especiales) para la investigacin.
MODELAMIENTO: Tipo de aprendizaje en el que una persona aprende
observando el comportamiento deseado en otras personas.
MODELO: Descripcin simplificada y prctica del funcionamiento de algo.
OBJETIVO: Expresin cualitativa de un propsito en un periodo determinado;
el objetivo debe responder a la pregunta "qu" y "para qu".
POBLACION: Conjunto de individuos existentes en un momento (iteracin)
dado. En adelante denotado por P.
PROCESO: Un conjunto de acciones integradas y dirigidas hacia un fin. Una
accin continua u operacin o serie de cambios o tareas que ocurren de
manera definida. La accin y el efecto de continuar de avanzar, en especial del
tiempo.
PROCESO DE MEJORA: Proceso sistemtico de adecuacin de la
organizacin a las nuevas y cambiantes necesidades y expectativas de clientes
y otras partes interesadas, realizada mediante la identificacin de
oportunidades de mejora, y la priorizacin y ejecucin de proyectos de mejora.
SATISFACCIN DEL CLIENTE: Percepcin del cliente sobre el grado en que
se han cumplido sus requisitos.
SISTEMA: Conjunto de procesos o elementos interconectados e
interdependientes que forman un todo complejo.
SOLUCION: Configuracin compatible con las restricciones del problema y que
le da la solucin.
SOLUCIN PTIMA: Solucin s S, tal que la funcin objeto f(s) sea ptima.
Analgicamente, el individuo mejor adaptado a su entorno.
SOLUCIN SUB PTIMA: Solucin de calidad cercana a la de la solucin
ptima, o bien de calidad aceptable para las condiciones del problema
planteado.
2.4 PRESENTACION Y DESARROLLO DE LOS MODELOS
El objetivo del presente trabajo, es conocer la ruta de la fiscalizacin de los
Comits Partidarios en el JNE, mediante la propuesta para el Problema del
Agente Viajero, de acuerdo con el marco terico, adems de presentar de las
metodologas explicadas en dicho captulo; y por otro lado presentar la
propuesta de modelacin matemtica haciendo uso de un meta generador
como es el software LINGO.
Se utiliza como datos de prueba, los lugares de la fiscalizacin realizada
al Movimiento Regional: Movimiento Independiente Unin y Cambio, que se
encuentra ubicada en la Regin de Puno y sus Comits Partidarios que estn
dentro de la regin.
Se confecciona un programa en MATLAB que realiza todas las acciones
de los Algoritmos Genticos referidas al Problema del Agente Viajero,
probndose una variedad de formulaciones de rutas en las poblaciones.
Generar la poblacin
inicial
Evaluar la poblacin
con la funcin
Seleccionar los individuos
que formarn las parejas
Crear nuevos individuos
mediante cruce y mutacin
Sustituir individuos en la
poblacin
Solucin al
problema?
No
Terminar
Si
Figura 2.12: Diagrama de flujo para GA
En la figura 2.12, se presenta el diagrama de dibujo para encontrar la
solucin al TSP, haciendo uso de GA. Este esquema est basado en el SGA
(Simple Genetic Algorithm) presentado en D. Goldberg (1989).
La poblacin est compuesta de MAXPOP individuos; donde cada
individuo se compone de un cromosoma con N valores enteros. Cada valor es
un fenotipo que corresponde a una de las ciudades.
Para generar la poblacin inicial, el primer individuo es un tour ordenado
en forma ascendente; mientras los otros individuos son una permutacin
aleatoria entre N valores:
% Inicialice la poblacion
poblacion = zeros(MAXPOP,N);
poblacion(1,:) = (1:N);
for k = 2:MAXPOP
poblacion(k,:) = randperm(N);
end
Para evaluar la poblacin se hace uso de la funcin:
% Evalua la distancia total
for j = 1:MAXPOP
d = 0;
for k = 2:N
d = d + DISTANCIA(poblacion(j,k-1),poblacion(j,k));
end
totalDist(j) = d+DISTANCIA(poblacion(j,N),poblacion(j,1));
end
El proceso de determinar nuevas generaciones se presenta en el
siguiente bucle:
for iteracion = 1:MAXGEN
% Evalua la distancia total
% Encuentra la mejor ruta en la poblacin
% Operadores GA
%Mutacin
poblacion = newPoblacion; %sustituir individuos
end