Anda di halaman 1dari 48

Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de

Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //


twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
1
HEURSTICA
Repblica Bolivariana de Venezuela
Ministerio del Poder Popular para la Educacin Superior
Instituto Universitario Politcnico
Santiago Mario
Extensin Maracay
Escuela de Ingeniera de Sistemas




Elaborado por:
TSU. Brito Jennifer
TSU. Ramrez Mara
TSU. Izquierdo Pal

Docente:
ING. Zapata Jos

Ctedra:
Investigacin de Operaciones II






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
2
HEURSTICA




1.) HEURSTICA.
La Heurstica es la capacidad que ostenta un sistema determinado para realizar de manera
inmediata innovaciones positivas para s mismo y sus propsitos.

Esta capacidad es una caracterstica inherente a los seres humanos, ya que a travs de esta
los individuos podemos descubrir cosas, inventar otras tantas, resolver problemas mediante la
creatividad o el pensamiento lateral, entre otras alternativas.

2.) ETIMOLOGA HEURSTICA.
La enorme popularidad del trmino se le debe al matemtico George Plya, quien a
travs de varias propuestas heursticas que volc en su libro Cmo Resolverlo, se convirti en
una invalorable ayuda para sus alumnos a la hora de las tareas matemticas.

Entre otras cosas, Plya, all les aconsejaba, que en el caso de no comprender un
problema, lo mejor sera dibujar un esquema sobre el, si el problema en cuestin es abstracto,
probar de pasarlo a un tema concreto, sin dudas,
ejemplos, que ilustran mejor que nada el concepto de
heurstica.

Como buena disciplina cientfica, la Heurstica
es plausible de ser aplicada a cualquier ciencia,






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
3
HEURSTICA
incluyendo la elaboracin de medios auxiliares, reglas, principios, estrategias, programas, entre
otros, que faciliten distintas alternativas para la solucin de los problemas.


El mtodo Heurstico, entonces, est compuesto por los siguientes elementos: principios
(sugerencias para hallar la solucin: analoga y reduccin); reglas (ayudan a encontrar los
medios para resolver los problemas, entre las ms empleadas se cuentan: separar lo dado de
aquello buscado, confeccin de mapas, esquemas, utilizacin de nmeros, reformulacin de
problemas) y estrategias (recursos organizativos funcionales al proceso de resolucin, pueden
ser de dos tipos: el trabajo hacia delante o el trabajo hacia atrs).

En el mbito de la Psicologa, la heurstica se encuentra estrictamente relacionada a la
creatividad y se dice que la misma es fundamental a la hora de orientar en la toma de
decisiones y para explicar cmo se llega a un juicio o a la solucin de un problema
determinado. Suele estar asociada a lo que en este contexto se denomina atajo mental. Uno de
los tipos de atajo ms comunes es el del estereotipo, se juzga a un individuo en relacin, por
ejemplo, del grupo social al cual pertenece, aunque claro, esta cuestin puede hacernos incurrir
en errores o interpretaciones incorrectas.


3.) INTRODUCCIN A LOS PROCESOS HEURSTICOS.
Los mtodos heursticos son estrategias generales de resolucin y reglas de decisin
utilizadas por los que desean solucionar problemas, basadas en la experiencia previa con
problemas similares. Estas estrategias indican las vas o posibles enfoques a seguir para
alcanzar una solucin.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
4
HEURSTICA

Los mtodos heursticos pueden variar en el grado de generalidad. Algunos son muy
generales y se pueden aplicar a una gran variedad de dominios, otros pueden ser ms
especficos y se limitan a un rea particular del conocimiento.

3.1.) Los Procedimientos Heursticos.
Son formas de trabajo y de pensamiento que apoyan la realizacin consciente de
actividades mentales exigentes. Los Procedimientos Heursticos como Mtodo cientfico
pueden dividirse en principios, reglas y estrategias.


Principios Heursticos.
Constituyen sugerencias para encontrar (directamente) la idea de solucin; posibilita
determinar, por tanto, a la vez, los medios y la va de solucin. Dentro de estos principios se
destacan la analoga y la reduccin.


3.2.) REGLAS HEURSTICAS.
Reglas Heursticas: actan como impulsos generales dentro del proceso de bsqueda y
ayudan a encontrar, especialmente, los medios para resolver los problemas. Las Reglas
Heursticas que ms se emplean son:
Separar lo dado de lo buscado.
Confeccionar figuras de anlisis:
esquemas, tablas, mapas, etc.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
5
HEURSTICA
Representar magnitudes dadas y buscadas con variables.
Determinar si se tienen frmulas adecuadas.
Utilizar nmeros (estructuras ms simples) en lugar de datos.
Reformular el problema.

3.3.) ESTRATEGIAS HEURSTICAS.










Estrategias Heursticas: se comportan como recursos organizativos del proceso de
resolucin, que contribuyen especialmente a determinar la va de solucin del problema
abordado. Existen dos estrategias:

El trabajo hacia adelante: se parte de lo dado para realizar las reflexiones que han de
conducir a la solucin del problema.







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
6
HEURSTICA
El trabajo hacia atrs: se examina primeramente lo que se busca y, apoyndose de
los conocimientos que se tienen, se analizan posibles resultados intermedios de lo que se puede
deducir lo buscado, hasta llegar a los dados.

4.) MTODOS HEURSTICOS DE SOLUCIN
Dadas las desventajas del mtodo de Wagner-Whitiny la relativa complejidad de los
modelos de programacin matemtica, es muy til describir algunas tcnicas heursticas que
han demostrado alta eficiencia y eficacia en la solucin de problemas prcticos de inventarios
con demanda variable con el tiempo.

Un mtodo heurstico resulta ser un enfoque que aprovecha la estructura del problema.
Mediante el uso de un conjunto de reglas racionales, obteniendo una solucin buena, es decir
cercana a la ptima o en ocasiones la ptima.

Los mtodos heursticos se usan cuando no es posible o no es computacionalmente
factible obtener el ptimo. Se presentan 3 enfoques heursticos.
SILVER-MEAL SM
COSTO UNITARIO MNIMO CUM
BALANCEO DE PARTE DEL PERIODO BPF.


4.1.) El heurstico de Silver-Meal
Este mtodo fue desarrollado por Silvery Meal (1973) y ha demostrado un
funcionamiento satisfactorio cuando el patrn de demanda es muy variable, es decir; cuando el
mtodo del lote econmico de pedido y otros mtodos heursticos no producen buenos






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
7
HEURSTICA
resultados. El criterio bsico de este mtodo es el de minimizar los costos de ordenamiento y
mantenimiento del inventario por unidad de tiempo. Como antes, las cantidades de pedido estn
restringidas a lo necesario para cubrir un nmero entero de perodos.

Sea TRC(T) el costo total relevante asociado con un pedido que dura T perodos. El
costo total relevante por unidad de tiempo, TRCUT(T), ser entonces RC(T)/T, o ms
precisamente:




El mtodo inicia con el perodo 1, para el cual TRC(1)/1 =A/1 =A; contina con el perodo 2,
para el cual TRC(2)/2= [A+D
2
vr(1)]/2; luego, con el perodo 3, para el cualTRC(3)/3 =
[A+D
2
vr(2) +D
3
vr(1)]/3; y as sucesivamente hasta que se observe que el costo por unidad de
tiempo se incrementa de un perodo a otro. En este momento se para el proceso y se define la
cantidad a ordenar en el perodo 1 igual a la suma de las demandas de los perodos para los
cuales no se increment el costo total relevante por unidad de tiempo. El proceso comienza de
nuevo a partir del perodo T para el cual se increment el TRC (T) T por primera vez, y se
contina de esta manera hasta el final del horizonte de planeacin. Este mtodo no garantiza la
optimizacin porque puede verse atrapado en un mnimo local, pero ha demostrado tener muy
buenos resultados en la prctica

En el siguiente ejemplo se debe comprobar que el algoritmo de Silver-Meal produce la
solucin ptima.







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
8
HEURSTICA












Como puede observarse, el primer perodo para el cual el costo total relevante por unidad
de tiempo se incrementa, es el mes 4. Por lo tanto, el mtodo nos sugiere ordenar en el mes 1la
demanda correspondiente a los meses 1, 2 y 3. El proceso contina entonces a partir del mes 4.
Se sugiere al lector completar los clculos hasta el mes 12, y comprobar lo expresado
anteriormente en el sentido que este algoritmo produce la solucin ptima para este ejemplo.

Cuando la demanda no es muy variable, la diferencia entre los resultados de este mtodo
y el del EOQ no difiere significativamente. Para determinar cuando utilizar uno u otro mtodo,
recurdese el coeficiente VC definido anteriormente en la expresin (4.11). Se ha encontrado a
travs de estudios experimentales lo siguiente:
Si VC < 0.2, entonces puede utilizarse el mtodo del EOQ con la demanda promedio
sobre el horizonte de planeacin, ya que produce buenos resultados.
Si VC 0.2, entonces se sugiere utilizar el heurstico de Silver-Meal.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
9
HEURSTICA

Es importante notar que se ha encontrado que la aplicacin del heurstico de Silver-Meal
en casos para los cuales el patrn de demanda decrece rpidamente con el tiempo a travs de
varios perodos, o cuando existe un gran nmero de perodos con cero demanda, no
ha producido buenos resultados. Para estos casos, por lo tanto, sera recomendable utilizar el
mtodo de Wagner-Whitin o el de modelacin matemtica.


El manejo de descuentos por cantidad
Una extensin importante del heurstico de Silver-Meal es la de permitir el manejo de
descuentos por cantidad. Considrese, el ejemplo, donde el valor unitario del tem bajo
consideracin viene dado por:





En este caso, no necesariamente debe ordenarse una cantidad para cubrir los
requerimientos de un nmero entero de perodos, ya que es posible que la mejor poltica sea
ordenar una cantidad igual al punto de quiebre, Q
1
, la cual no necesariamente cubre una
cantidad entera de perodos. Lamarre y Baier (1981) desarrollaron una variante del algoritmo
de Silver-Meal para tener en cuenta esta consideracin, a travs de
extensiva experimentacin. Sea T
1
el nmero de perodos (no necesariamente entero) que
podra cubrir la cantidad Q
1
. Se calcula entonces los costos totales por unidad de tiempo
para T
1
, o sea:






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
10
HEURSTICA










Donde [T
1
] es la parte entera de T
1
(por ejemplo, si T
1
= 4.6, entonces [T
1
] = 4) y d es la
fraccin de descuento obtenida por cantidades iguales o superiores aQ
1
. Igualmente, deben
calcularse los costos por unidad de tiempo para cantidades enteras de T, de acuerdo con las
siguientes expresiones










5.) APLICACIONES DE HEURSTICA EN LA CIENCIA.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
11
HEURSTICA
Como disciplina cientfica, la heurstica es aplicable a cualquier ciencia e incluye la
elaboracin de medios auxiliares, principios, reglas, estrategias y programas que faciliten la
bsqueda de vas de solucin a problemas; o sea, para resolver tareas de cualquier tipo para las
que no se cuente con un procedimiento algortmico de solucin. Los Procedimientos
Heursticos como Mtodo cientfico pueden dividirse en principios, reglas y
estrategias. Principios Heursticos: constituyen sugerencias para encontrar (directamente) la
idea de solucin; posibilita determinar, por tanto, a la vez, los medios y la va de solucin.
Dentro de estos principios se destacan la analoga y la reduccin. Reglas Heursticas: actan
como impulsos generales dentro del proceso de bsqueda y ayudan a encontrar, especialmente,
los medios para resolver los problemas.

Ejemplo
Los mtodos de bsqueda heurstica disponen de alguna informacin sobre la proximidad
de cada estado a un estado objetivo, lo que permite explorar en primer lugar los caminos ms
prometedores.

Son caractersticas de los mtodos heursticos:
No garantizan que se encuentre una solucin, aunque existan soluciones.
Si encuentran una solucin, no se asegura que sta tenga las mejores propiedades (que
sean de longitud mnima o de coste ptimo).
En algunas ocasiones (que, en general, no se podrn determinar a priori), encontrarn
una solucin (aceptablemente buena) en un tiempo razonable.

Actividad: Problema de Guarini (1512). En el siguiente tablero 3x3 intercambiar la
posicin de los caballos blancos y negros en el menor nmero de movimientos.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
12
HEURSTICA










Actividad: Se trata de girar los caballos alrededor del tablero en la misma direccin.
Como en cada fase se mueven los 4 caballos, hacen falta 16 movimientos.



















Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
13
HEURSTICA



5.1) LA HEURSTICA EN LA INFORMTICA
En computacin, dos objetivos fundamentales son encontrar algoritmos con buenos
tiempos de ejecucin y buenas soluciones, usualmente las ptimas. Una heurstica es un
algoritmo que abandona uno o ambos objetivos; por ejemplo, normalmente encuentran buenas
soluciones, aunque no hay pruebas de que la solucin no pueda ser arbitrariamente errnea en
algunos casos; o se ejecuta razonablemente rpido, aunque no existe tampoco prueba de que
siempre ser as. Las heursticas generalmente son usadas cuando no existe una solucin
ptima bajo las restricciones dadas (tiempo, espacio, etc.), o cuando no existe del todo.

A menudo, pueden encontrarse instancias concretas del problema donde la heurstica
producir resultados muy malos o se ejecutar muy lentamente. Aun as, estas instancias
concretas pueden ser ignoradas porque no deberan ocurrir nunca en la prctica por ser de
origen terico. Por tanto, el uso de heursticas es muy comn en el mundo real.


Heursticas para encontrar el camino ms corto.
Para problemas de bsqueda del camino ms corto el trmino tiene un significado ms
especfico. En este caso una heurstica es una funcin matemtica, h(n) definida en los nodos
de un rbol de bsqueda , que sirve como una estimacin del coste del camino ms econmico
de un nodo dado hasta el nodo objetivo. Las heursticas se usan en los algoritmos de bsqueda
informada como la bsqueda egosta. La bsqueda egosta escoger el nodo que tiene el valor
ms bajo en la funcin heurstica. A* expandir los nodos que tienen el valor ms bajo






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
14
HEURSTICA
para g(n)+h(n), donde g(n) es el coste (exacto) del camino desde el estado inicial al nodo
actual. Cuando h(n) es admisible, esto es si h(n) nunca sobrestima los costes de encontrar el
objetivo; A* es probablemente ptimo.

Un problema clsico que usa heursticas es el puzzle-n. Contar el nmero de casillas mal
colocadas y encontrar la suma de la distancia Manhattan entre cada bloque y su posicin al
objetivo son heursticas usadas a menudo para este problema.


Efecto de las heursticas en el rendimiento computacional.
En cualquier problema de bsqueda donde hay b opciones en cada nodo y una
profundidad d al nodo objetivo, un algoritmo de bsqueda ingenuo deber buscar
potencialmente entre b
d
nodos antes de encontrar la solucin. Las heursticas mejoran la
eficiencia de los algoritmos de bsqueda reduciendo el factor de ramificacin de b a
(idealmente) una constante b*.

Aunque cualquier heurstica admisible devolver una respuesta ptima, una heurstica que
devuelve un factor de ramificacin ms bajo es computacionalmente ms eficiente para el
problema en particular. Puede demostrarse que una heurstica h
2
(n) es mejor que otra h
1
(n),
si h
2
(n) domina h1(n), esto quiere decir que h1(n)<h2(n) para todo n</h












Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
15
HEURSTICA





Heursticas en la inteligencia artificial
Muchos algoritmos en la inteligencia artificial son heursticos por naturaleza, o usan
reglas heursticas. Un ejemplo reciente es SpamAssassin que usa una amplia variedad de reglas
heursticas para determinar cuando un correo electrnico es spam. Cualquiera de las reglas
usadas de forma independiente pueden llevar a errores de clasificacin, pero cuando se unen
mltiples reglas heursticas, la solucin es ms robusta y creble. Esto se llama alta credibilidad
en el reconocimiento de patrones (extrado de las estadsticas en las que se basa). Cuando se
usa la palabra heurstica en el procesamiento del lenguaje basado en reglas, el reconocimiento
de patrones o el procesamiento de imgenes, es usada para referirse a las reglas.

















Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
16
HEURSTICA



6.) PARADIGMA HEURSTICO.
Muchas de las tareas ms interesantes y difciles de programacin implican utilizar el
ordenador para resolver problemas del tipo: "Cul es el camino ms corto?" "Listar todos los
casos posibles", "Existe una disposicin de elementos que satisfaga?. Las caractersticas de
estos problemas implica potencialmente una bsqueda exhaustiva de todas las posibles
combinaciones de algn conjunto finito, que si no est controlado puede producir una
"explosin combinatoria" (incremento exponencial del espacio de bsqueda con la dimensin
del problema) imposible de tratar.

La Programacin Heurstica ha venido a significar el uso del conocimiento especfico del
dominio para cubrir esta explosin de posibilidades guiando la bsqueda por las direcciones
ms prometedoras. Se puede definir como "aquel tipo de programacin computacional que
aplica para la resolucin de problemas reglas de buena lgica (reglas del pulgar). denominadas
heursticas, las cuales proporcionan entre varios cursos de accin uno que presenta visos de ser
el ms prometedor, pero no garantiza necesariamente el curso de accin ms efectivo."

La Programacin Heurstica implica una forma de modelizar el problema en lo que
respecta a la representacin de su estructura, estrategias de bsqueda y mtodos de resolucin,
que configuran el Paradigma Heurstico.

Este tipo de programacin se aplica con
mayor intensidad en el campo de la Inteligencia






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
17
HEURSTICA
Artificial (IA), y en especial, en el de la Ingeniera del Conocimiento, dado que el ser humano
opera la mayor parte de las veces utilizando heursticas, un hecho cierto que una heurstica es la
conclusin del razonamiento humano en un dominio especfico, por lo que es normal que este
tipo de programacin que encuadrado en el rea de la I.A., ya que implementa el conocimiento
humano, dado por la experiencia, utilizando reglas de buena lgica.

Como se ha sealado inicialmente, un paradigma de programacin es un modelo bsico
de diseo e implementacin de programas. Un modelo que permite producir programas de
acuerdo con una metodologa especfica. As, el paradigma de programacin estructurada se
basa en estructuras modulares, con fuerte cohesin en el mdulo y bajo acoplamiento entre
ellos, desarrollo "top-down", utilizacin de diagramas privilegiados, etc.

El Paradigma Heurstico define pues, un modelo de resolucin de problemas en el que se
incorpora alguna componente heurstica sobre la base de:

Una representacin ms apropiada de la estructura del problema para su resolucin con
tcnicas heursticas
La utilizacin de mtodos de resolucin de problemas aplicando funciones de evaluacin
con procedimientos especficos de bsqueda heurstica para la consecucin de las metas.
Por otra parte, la Programacin Heurstica se presenta y utiliza desde diferentes puntos
de vista.

Como tcnica de bsqueda para la obtencin de metas en problemas no algortmicos, o
con algoritmos que generan explosin combinatoria (ej. damas. ajedrez, etc.).







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
18
HEURSTICA

En Herramientas
Tratamiento fundamentalmente simblico, dado que la mayor parte de los problemas
que precisan tratamiento heurstico tienen estructura simblica.
Unidades funcionales autnomas que posibiliten modelar una heurstica y su
mecanismo de ejecucin, definiendo mdulos independientes.
Estructuras de datos que permitan describir estados de problemas y relaciones entre
estados.
Estructuras procedimentales de control y de proceso (o de definicin) que permitan la
ejecucin coherente del modelo heurstico, y posibiliten la adquisicin y utilizacin del
conocimiento adquirido en el proceso de resolucin del problema.


7.) PASOS DEL MTODO HEURSTICO
1.- Comprender el problema
Es importante reflexionar en cuestiones como que se pide que se tiene y a donde se
quiere llegar. Algunas preguntas que debemos hacernos: Cul es la incgnita? Es la
condicin suficiente para determinar la incgnita? Es suficiente?

En la siguiente se muestran los siente puentes de Koninsberg Es posible hacer el
recorrido sin pasar dos veces por el mismo puente?.










Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
19
HEURSTICA












2.-. Concebir un plan.
Puedes usar la estrategia que creas conveniente. Cada quien puede establecer el camino
o caminos a seguir. Algunas preguntas que debemos hacernos: Se ha encontrado con un
problema semejante? Ha visto el mismo problema planteado en otra forma? Conoce
problemas relacionados con este? Se podra utilizar el problema relacionado con este ya
resuelto? Podra enunciar el problema en otra forma? Se necesita algn elemento auxiliar?
Podra emplear su resultado y mtodo?


3.- Ejecutar el plan
En la formacin de conceptos matemticos, se requiere emplear
un pensamiento mvil y flexible, debemos ser capaces de encontrar
distintos caminos, rodeos, asociaciones, para llegar a una solucin;






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
20
HEURSTICA
retornar despus de un cambio al punto de partida. De esta forma debemos revisar lo que
hemos hecho y de ser necesario anularlo previamente y entonces estructurar las relaciones de lo
encontrado.














4.- Examinar la solucin obtenida.












Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
21
HEURSTICA
Comprobar y examinar la solucin obtenida debemos hacernos las preguntas siguientes:
Puede verificarse el resultado? Puede verificarse el razonamiento? Puede obtenerse el
resultado en forma diferente? Puede verse de golpe? Puede emplearse el resultado o el
mtodo en otro problema? La retrospectiva permite revisar como se pens inicialmente, como
se encamino una estrategia, como e efectuaron los clculos; en fin, todo el camino recorrido
para obtener la solucin.

En el problema de grafos que admiten un recorrido euleriano se tiene, que ocurre cuando
se tienen al menos dos puntos a los que llegan un nmero par de lneas.


8.) CLASIFICACIN MTODOS HEURSTICOS
Existen diferentes mtodos heursticos, esto est dado por su naturaleza compleja y
variada, es difcil definir una clasificacin por esta razn ya que la mayora de ellos se
construyen para un problema en particular, lo que significa que su aplicacin a otros
problemas similares sea casi imposible.

El siguiente esquema muestra categoras ms amplia, no excluyentes, en donde se ubican
a los mtodos heursticos ms conocidos.
Mtodos de Descomposicin: el problema original se descompone en sub problemas
ms sencillos de resolver.
Mtodos Inductivos: es generalizar de de versiones ms pequeas a lo ms
complejos.
Mtodos de Reduccin: el objetivo es restringir el espacio de soluciones
simplificando el problema.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
22
HEURSTICA
Mtodos Constructivos: consisten en construir literalmente paso a paso la solucin
del problema. Usualmente son mtodos deterministas y suelen estar basados en la mejor
eleccin de cada iteracin.
Mtodos de Bsqueda Local: a diferencia de los mtodos anteriores, el
procedimiento de bsqueda o mejora local, comienza con una solucin del problema y la
mejoran progresivamente, el mtodo finaliza cuando no existe ninguna solucin accesible que
mejore la anterior.

Los mtodos constructivos y los de bsqueda local son la base de los mtodos Meta-
heursticos

8.1.) MTODOS META-HEURSTICOS
En las ltimas dcadas han aparecidos una serie de mtodos bajo el nombre de Meta-
heursticos con el objetivo optar a mejores resultados que los mtodos heursticos
tradicionales.

Los mtodos Meta-heursticos son estrategias para disear o mejorar procedimientos
heursticos con miras a obtener un alto rendimiento de soluciones en dominios donde la
ejecucin de procesos se vuelve compleja. Las meta-heurstica se aplican a problemas
clasificados como NP-Hard, como tambin se aplican a problemas de combinatoria en los
cuales existe una solucin de tiempo polinmico pero que no es prctica.

La Meta-heursticas se pueden clasificar como:
Meta-heursticos constructivas: Este tipo de meta-heurstica va incorporando
elementos a una estructura inicialmente vaca que representa la solucin.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
23
HEURSTICA
Meta-heursticos evolutivas: Son mtodos que van construyendo un conjunto
de soluciones a diferencia de los otros mtodos que solo pasan de una solucin a otra en cada
iteracin.
Meta-heursticos de bsqueda: Son mtodos que presuponen que existe una solucin y
realizan procedimientos de bsqueda, la diferencia con los mtodos analticos es que no
necesariamente se encontrar la solucin ptima.


8.2.) METODOLOGA BSQUEDA TAB o TAB SEARSH TS
Es sabido que los humanos posee un mecanismo de intuicin que nos permite funcionar
con un mnimo o nada de informacin, por lo general se introduce una variable aleatoria en
nuestras decisiones lo cual promueve un nivel de inconsistencia en nuestro comportamiento, la
tendencia de estos comportamiento suele encaminarnos a dos caminos los errores y a una
buena solucin. La Bsqueda Tab quiere emular este comportamiento humano pero sin
utilizar elementos aleatorios. De acuerdo a esto esta metodologa busca la mejor solucin
posible de acuerdo al planteamiento del problema.

La Bsqueda Tab es un procedimiento de bsqueda que utiliza memoria adaptativa y un
plan estratgico de resolucin de problemas, en lo medular este tipo de procedimiento meta-
heurstico se basa en el aprovechamiento de diversas estrategias basadas en procedimiento de
aprendizaje, en otras palabras, la Bsqueda Tab puede ser descrita como una bsqueda
inteligente para dirigir el proceso de bsqueda lejos de las soluciones locales, de este modo
encontrar mejores soluciones. La Bsqueda Tab mejora los mtodos locales de bsqueda
usando estructuras de memoria. Una vez que la solucin potencial ha sido determinada sta es
marcada como taboo (lista tab), as el algoritmo no visita una posibilidad iterativamente.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
24
HEURSTICA

Bsqueda Tab da origen al enfoque basado en memoria y estrategia intensiva, en la
literatura de la meta-heurstica Bsqueda Tab esta en contraposicin con los mtodos que
no tienen memoria o que slo usan una dbil memoria basada en herencia, tambin es
responsable de enfatizar el uso de los diseos estructurados para explotar los patrones
histricos de la bsqueda. Los principios fundamentales de la Bsqueda Tab fueron
elaborados en una serie de artculos a finales de los aos 80 y principios de los 90, y han sido
unificados en el libro Tab Search

La Bsqueda Tab estipula un procedimiento de bsqueda local para la bsqueda de la
atomicidad global, su poltica se basa en un marco de memoria adaptativa. La Bsqueda Tab
est basada en la premisa de que para clasificar un procedimiento de resolucin de problema
como inteligente, es necesario que este incorpore Memoria Adaptativa y Exploracin
Inteligente. La memoria adaptativa permite procedimientos capaces de realizar bsqueda en un
espacio de soluciones eficaces y eficientes, debido a que las decisiones locales estn guiadas
por la informacin obtenidas del proceso de bsqueda, la Bsqueda Tab se contrasta con
procedimientos aleatorios que buscan un muestreo de la informacin.

El nfasis en la exploracin inteligente deriva de la estrategia, que una mala eleccin
entrega ms informacin que una buena eleccin realizada al azar, debido a que una eleccin
estrategia puede guiar a zonas ms prometedoras.

La arquitectura de la Bsqueda Tab funciona mediante referencia a cuatro dimensiones
principales, consistentes en la propiedad de ser residente, en frecuencia, en calidad y en
influencia. Las memorias basadas en lo reciente y en frecuencia se complementan la una a la






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
25
HEURSTICA
otra para lograr el balance entre intensificacin y diversificacin, la dimensin de calidad hace
referencia habilidad para diferenciar la bondad de las soluciones visitadas a lo largo del
proceso de bsqueda. La flexibilidad de las estructuras de memorias mencionadas hasta este
momento gua la bsqueda en un entorno multi-objetivo, dado que determinan la bondad de
bsqueda particular mediante ms de una funcin. La memoria referida a la influencia
considera el impacto a la calidad de las decisiones tomadas durante la bsqueda, no slo en lo
referente a la calidad de las soluciones si no tambin referente a las mimas.

Dentro de la memoria del procedimiento de Bsqueda Tab se almacenan las soluciones
completas, soluciones que fueron visitadas durante la bsqueda y otro segmento de memoria
almacena informacin sobre determinados atributos de las soluciones que cambian al pasar por
una solucin a otra. De cualquier manera estos segmentos de memoria son complementarios,
puesto que uno permite expandir los entornos de bsqueda usados durante un proceso de
bsqueda local mediante la inclusin de soluciones superiores mientras que el otro segmento
reduce determinados movimientos sobre las soluciones ya buscadas.

En la Bsqueda Tab, tienen estrategias de intensificacin y diversificacin las cuales
constituyen dos elementos importantes ya que se encargan de la modificacin de las reglas
para favorecer la eleccin de buenas combinaciones de movimientos y de caractersticas de
soluciones encontradas, adems por otro lado tratan de conducir la bsqueda a zonas del
espacio de soluciones no visitadas anteriormente y generar nuevas soluciones que difieran
significativamente de las ya evaluadas. Los componentes bsicos de la Bsqueda Tab son: el
entorno, la lista tab, el criterio de aspiracin y el criterio de parada. De lo anterior el proceso
interno de la Bsqueda Tab se puede resumir del siguiente modo:







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
26
HEURSTICA
Mientras el criterio de parada sea falso
- Generar lista de candidatos de movimientos-vecinos
- Escoger el mejor vecino no tab o que verifique el criterio de aspiracin x
- Actualizar la solucin actual, x=x
Salida: la mejor solucin encontrada.
Un ejemplo clsico son las permutaciones, que son ejemplos tpicos de optimizacin, los
ejemplos ms citados de problemas de permutaciones incluyen el problema del viajante de
comercio, asignacin cuadrtica, secuenciacin de la produccin, asignacin de tareas.

Un ejemplo es la permutacin de tareas de una maquina en donde se persigue el objetivo
de minimizar el retraso total de en la ejecucin de las tareas, secuenciando las tareas de esta, en
este ejemplo la solucin inicial se basa en encontrar una permutacin de las tareas lo ms
cercana a la ptima, la Bsqueda Tab funciona bajo el supuesto que se puede construir un
entorno para identificar soluciones adyacentes que puedan ser alcanzadas bajo la solucin
actual. Para este caso los intercambios de tareas son frecuentemente usados para definir
entornos de permutaciones, identificando movimientos que conducen a una solucin a la
siguiente. Los movimientos proporcionan una base fundamental para evaluar la calidad de los
mismos, teniendo encuentra que otros criterios pueden ser importantes. Un mecanismo de
Bsqueda Tab es clasificar un conjunto de movimientos que se marcaran como tab o
prohibidos, esta clasificacin depende la bsqueda determinada por los recientes o frecuentes
que ciertos movimientos o componentes de soluciones, llamados atributos que han participado
en la generacin de soluciones pasadas, por ejemplo en el Cuadro 1 muestra el intercambio de
tareas con un mismo movimiento identificando el par de movimientos como idnticos, de esta
forma se busca evitar movimientos de bsqueda repetidos.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
27
HEURSTICA






Para el caso anterior las tareas enumeras 2 y 5 se resuelven como pares ordenados (2,5)
por tanto la permutacin de (5,2) debe llevar al mismo valor de bsqueda de una solucin
como en par de (2,5). De esta forma se clasifica como tab el par (5,2).


Bsqueda Tab puede ser convenientemente caracterizado en su bsqueda por entorno
(Glover & Batista, 1986), es decir una bsqueda en el entorno identifica para cada solucin x
X, un conjunto asociados de vecinos N(x) X llamado entorno de x, los entornos se asumen
simtricos, es decir x' es un vecino de x y slo si x es un vecino de x'.







Un vecino es un posible movimiento, el cual consiste en cambiar un atributo a la solucin
actual por otro y el vecindario consiste en los vecinos que se pueden acceder desde una
solucin X en particular.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
28
HEURSTICA

Los pasos de bsqueda por entorno se muestran a continuacin:

Paso 1 (Inicializacin).
(A) Seleccionar una solucin de arranque xActual X.
(B) Almacenar la mejor solucin actual conocida haciendo xMejor =
xActual y definiendo MejorCoste = c(xMejor).
Paso 2 (Eleccin y finalizacin).
Elegir una solucion xSiguiente 2 N(xActual). Si los criterios de eleccin
empleados no pueden ser satisfechos por ningn miembro de N(xActual),
o si se aplican otros criterios de parada, entonces el mtodo para.
Paso 3 (Actualizacin).
Rehacer xActual = xSi

El mtodo de bsqueda en el entorno puede ser alterado fcilmente aadiendo
provisiones especiales para generar una variedad de procedimientos clsicos.

La Bsqueda Tab, emplea una filosofa diferente a otros mtodos heursticos para ir ms
all del criterio de finalizar en un ptimo local. Se reduce el nfasis en que sea aleatorio y
generalmente se usa en un modo altamente restringido, con el supuesto de que la bsqueda
inteligente debera estar basada en formas ms sistemticas de direccin. Por consiguiente,
muchas implementaciones de Bsqueda Tab son en gran parte deterministas, es decir, la
Bsqueda Tab determinstica selecciona movimientos segn probabilidades basadas en el
estado y en las evaluaciones asignadas a estos movimientos por los principios bsicos de la
Bsqueda Tab.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
29
HEURSTICA

En Conclusin, la Bsqueda Tab se fundamenta en tres premisas:
1. El uso de estructuras flexibles de memorias basadas en atributos, diseadas para
permitir una mejor explotacin de los criterios de evaluacin e informacin histrica de la
bsqueda.
2. Un mecanismo de control, para emplear las estructuras de memoria, este mecanismo se
basar en la interaccin entre las condiciones que limitan y hacen ms flexibles el procesos de
bsqueda. Este mecanismo se encuentra inmerso en la tcnica en la forma de restricciones y
criterios de aspiracin (criterio que permite que un movimiento pierda el estatus de tab
debido que proporciona una mejor solucin que la actual).

3. La incorporacin de memorias, memorias de corto y largo plazo, para implementar
estrategias que intensifiquen la bsqueda y la diversifiquen, las estrategias de intensificacin
refuerzan las propiedades de las combinaciones de movimiento que han demostrado ser buenas,
mientras que las estrategias de diversificacin dirigen la bsqueda hacia nuevas regiones del
espacio de soluciones factibles. Estos dos mecanismos evitan que una solucin quede en un
ptimo local, es decir, el primer mecanismo nos permite delimitar la regin del espacio de
bsqueda, mientras que la segunda permite saltar a nuevas regiones del mismo.

Esta metodologa parte de la premisa que ya hay una solucin dada o se busca una al
azar, de este modo se trabaja sobre una solucin dada aunque esta no sea ptima.

Llevando el anlisis terico de la metodologa al problema de asignacin de salas se
puede observar que esta metodologa puede encontrar soluciones factibles de considerar
buenas, s consideramos no aplicar ninguna restriccin al hacer el proceso de bsqueda y






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
30
HEURSTICA
asignacin, de otro modo este mtodo puede transformarse en algo inmanejable debido a que
tendra que integrar las restricciones y requerimientos propios de una distribucin de cursos a
las salas de clases.



8.3.) METODOLOGA PROCEDIMIENTO DE BSQUEDA BASADOS EN
FUNCIONES GREEDY ALEATORIZADAS ADAPTATIVAS. GRASP
La metodologa GRASP fue desarrollada al final de la dcada de los 80 con el objetivo
inicial de resolver problemas de cubrimientos de conjuntos (Feo & Resende, A probabilistic
heuristic for a computationally difficult set covering problem., 1989) esta metodologa ha sido
uno de los mtodos meta-heursticos ms exitosos de los ltimos aos. El trmino GRASP fue
introducido por Feo y Resende en 1995 (Feo & Resende, Greedy randomized adaptive search
procedures, 1995) como una nueva tcnica meta-heurstica de propsito general. GRASP es el
acrnimo de Greedy Randomized Adaptive Search Procedure que significa Procedimiento de
Bsqueda Basados en Funciones Greedy Aleatorizadas Adaptativas.

Al definir la metodologa GRASP es conveniente que podamos relacionarlo a otros
mtodos, dentro del conjunto de las meta-heursticas para entender su procedimiento, lo ms
similar a este mtodo sea referirse al mtodo Multi-start el cual consiste en generar mltiples
soluciones inciales aleatorias de tal forma que a cada una de ellas se le pueda aplicar una
bsqueda local. Pues bien, GRASP es similar salvo que las soluciones sobre las que se aplica la
bsqueda local no son completamente aleatorias, tienen un componente de aleatoriedad el cual
est controlado y enmarcado dentro de un proceso constructivo. As pues, GRASP consiste en
repetir mltiples veces un esquema de dos fases: construir una solucin y aplicarle bsqueda






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
31
HEURSTICA
local. La segunda fase (bsqueda local) se puede aplicar una bsqueda local convencional (o
incluso una Bsqueda en Vecindad Variables, VNS, si se desea).

Entonces GRASP consiste de dos fases: la constructiva donde se produce una solucin
factible, aunque no necesariamente es ptima y la segunda fase es una bsqueda local, en la
cual se examinan vecindades de la solucin de la fase anterior, esta fase usa la solucin inicial
como punto de partida de la fase de bsqueda local.




8.4.) ALGORITMOS GENTICOS (AGS)
Los algoritmos genticos caen dentro de los mtodos evolutivos debido a que estos estn
basados en poblaciones de soluciones a diferencia de los mtodos basados en el seguimiento de
trayectorias. Esta tcnica de algoritmo evolutivo se puede clasificar en tres categoras
principales: Algoritmo Genticos (AG), Estrategias Evolutivas (EE) y la programacin
Evolutiva (PE). Todas estas estrategias se basan en un en un esquema comn que es la
generacin de un conjunto de elementos llamados poblacin inicial (conjunto de soluciones),
esta poblacin inicial es sometida a una serie de transformaciones que da lugar a una nueva






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
32
HEURSTICA
poblacin de soluciones, de esto se valora la adaptabilidad al medio de cada una de estas
soluciones, de esto se desprende que la eleccin de los mejores individuos o soluciones para
conformar la siguiente generacin, este proceso se repite un nmero determinado de veces
(ciclos) esperando que los individuos de la poblacin haya evolucionado hacia una mejor
adaptacin al medio.

Las diferencias fundamentales entre cada una de las tcnicas antes mencionadas radica en
los tipo de alteraciones que se realizan en las soluciones para obtener nuevos individuos y en
los mtodos empleados para la seleccin de la nueva generacin.

En los aos 1970, de la mano de John Henry Holland, surgi una de las lneas ms
prometedoras de la inteligencia artificial, la de los Algoritmos Genticos (AG), son llamados
as porque se inspiran en la evolucin biolgica y su base gentico molecular. Estos algoritmos
hacen evolucionar una poblacin de individuos sometindola a acciones aleatorias semejantes
a las que actan en la evolucin biolgica (mutaciones y recombinaciones genticas), as
como tambin a una seleccin de acuerdo con algn criterio, en funcin del cual se decide
cules son los individuos ms adaptados, que sobreviven, y cules los menos aptos, que son
descartados. Tambin este algoritmo es denominado algoritmo evolutivo e incluye las
estrategias de evolucin, la programacin evolutiva y la programacin gentica.

Los Algoritmos genticos ocupan un lugar determinante dentro de la Programacin
Evolutiva debido a:
Son flexibles y adaptables a una gran cantidad de problemas diferentes y distintas
reas, este algoritmo permite ser combinado con otros tcnicas diferentes aunque no sean
evolutivas.






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
33
HEURSTICA
Los algoritmos genticos tienen una mejor base terica.
Poseen una gran versatilidad ya que no necesitan mayor conocimientos especficos del
problema para su resolucin.

Los Algoritmos Genticos (AGs) son mtodos adaptativos que pueden usarse para
resolver problemas de bsqueda y optimizacin. Un algoritmo gentico consiste en una
funcin matemtica o una rutina de software que toma como entradas una poblacin de
ejemplares y retorna como salidas cules de ellos deben generar descendencia para la nueva
generacin. Versiones ms complejas de algoritmos genticos generan un ciclo iterativo que
directamente toma a la especie (el total de los ejemplares) y crea una nueva generacin que
reemplaza a la antigua una cantidad de veces determinada por su propio diseo. Una de sus
caractersticas principales es la de ir perfeccionando su propia heurstica en el proceso de
ejecucin, por lo que no requiere largos perodos de entrenamiento especializado por parte del
ser humano, principal defecto de otros mtodos para solucionar problemas, como los Sistemas
Expertos.

Los Algoritmos Genticos trabajan con una poblacin de individuos, cada uno de los
cuales representa una solucin factible a un problema dado. A cada individuo se le asigna un
valor puntuacin, relacionado con la bondad de dicha solucin. En la naturaleza esto
equivaldra al grado de efectividad de un organismo para competir por unos determinados
recursos. Cuanto mayor sea la adaptacin de un individuo al problema, mayor ser la
probabilidad de que el mismo sea seleccionado para reproducirse, cruzando su material
gentico con otro individuo seleccionado de igual forma. Este cruce producir nuevos
individuos, descendientes de los anteriores, los cuales comparten algunas de las caractersticas
de sus padres. Cuanto menor sea la adaptacin de un individuo, menor ser la probabilidad de






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
34
HEURSTICA
que dicho individuo sea seleccionado para la reproduccin, y por tanto de que su material
gentico se propague en sucesivas generaciones.

De esta manera se produce una nueva poblacin de posibles soluciones, la cual reemplaza
a la anterior y verifica la interesante propiedad de que contiene una mayor proporcin de
buenas caractersticas en comparacin con la poblacin anterior. Si el Algoritmo Gentico ha
sido bien diseado, la poblacin converger hacia una solucin ptima del problema.

El poder del Algoritmo Gentico proviene del hecho de una tcnica robusta y pueden
tratar una gran variedad de problemas provenientes de diferentes reas, sin embargo esto no
garantiza una solucin ptima del problema, si existe evidencia emprica de que se encuentran
soluciones aceptables en un tiempo competitivo con el resto de los algoritmos de optimizacin
combinatoria.

Los componentes bsicos de un algoritmo gentico son:
Operadores genticos (mutacin y cruzamiento).
Una representacin apropiada del problema a resolver.
Una funcin de oportunidad o bien llamada de Aptitud.
Un procedimiento de inicializacin.

El Algoritmo Gentico en su versin ms bsica, necesita una codificacin o
representacin del problema, que resulte adecuada al mismo. Adems se requiere una funcin
de ajuste o adaptacin al problema, la cual asigna un nmero real a cada posible solucin
codificada. Durante la ejecucin del algoritmo, los padres deben ser seleccionados para la
reproduccin, a continuacin dichos padres seleccionados se cruzaran generando dos hijos,






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
35
HEURSTICA
sobre cada uno de los cuales actuara un operador de mutacin. El resultado de la combinacin
de las anteriores funciones ser un conjunto de individuos (posibles soluciones al problema),
los cuales en la evolucin del Algoritmo Gentico formaran parte de la siguiente poblacin.

A continuacin se muestra cdigo algortmico gentico bsico:












En la codificacin del algoritmo gentico supone que los individuos (posibles soluciones
al problema) pueden representarse como un conjunto de parmetros utilizando una
codificacin binaria de 0 y 1 los cuales agrupados forman una lista de valores. Si bien el
alfabeto utilizado para representar los individuos no debe necesariamente estar constituido por
el (0; 1), buena parte de la teora en la que se fundamentan los Algoritmos Genticos utiliza
dicho alfabeto.







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
36
HEURSTICA
Un punto importante dentro del Algoritmo gentico es la adaptacin de un individuo el
cul depender de su genotipo, la cual puede inferirse a partir del fenotipo, es decir, puede ser
computada usando una funcin de evaluacin. La funcin de adaptacin debe ser diseada para
cada problema de manera especfica asignando un nmero real, que se supone refleja el nivel
de adaptacin al problema del individuo.

En la siguiente figura se ve reflejado un esquema general del algoritmo gentico, donde
en la fase reproductiva se seleccionan los individuos de la poblacin para cruzarse y producir
descendientes, que constituirn, una vez mutados, la siguiente generacin de individuos.












La seleccin de padres se efecta al azar usando un procedimiento que favorezca a los
individuos mejor adaptados, ya que a cada individuo se le asigna una probabilidad de ser
seleccionado que es proporcional a su funcin de adaptacin. Este procedimiento se dice que
est basado en la ruleta sesgada. Segn dicho esquema, los individuos bien adaptados se






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
37
HEURSTICA
escogern probablemente varias veces por generacin, mientras que los pobremente adaptados
al problema, no se escogern ms que de vez en cuando.

Una vez seleccionados dos padres, sus cromosomas se combinan, utilizando
habitualmente los operadores de cruce y mutacin. Las formas bsicas de dichos operadores
se describen a continuacin.

El operador de cruce, coge dos padres seleccionados y corta sus conjuntos de
cromosomas en una posicin escogida al azar, para producir dos subconjuntos iniciales.
Despus se intercambian las subconjunto iniciales, producindose dos nuevos cromosomas
completos. Ambos descendientes heredan genes de cada uno de los padres. Este operador se
conoce como operador de cruce basado en un punto. Habitualmente el operador de cruce no se
aplica a todos los pares de individuos que han sido seleccionados para emparejarse, sino que se
aplica de manera aleatoria, normalmente con una probabilidad comprendida entre 0.5 y 1.0.


8.5.) SISTEMAS BASADOS EN EL CONOCIMIENTO (SBC)
Un sistema basado en el conocimiento es aquel que basa la solucin de un problema en el
conocimiento experto humano. Los sistemas basados en el conocimiento (SBC) son parte del
rea de la inteligencia Artificial IA que es una rama de la informtica, estos sistemas imitan
las actividades de un ser humano para la solucin de un problema utilizando para ello el
conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de control
(informacin sobre el seguimiento de una accin) mientras operan y se adaptan a dominios
dinmicos e inciertos que no estn completamente especificados.







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
38
HEURSTICA
La IA est dividida en una serie de reas de investigacin, cada una con propsitos
especficos que permite contribuir e un propsito de un objetivo general. Entre estos estn las
redes neuronales, procesamiento del lenguaje natural, robtica y sistemas basados en el
conocimiento.

Los Sistemas Basados en el Conocimiento (SBC) tratan problemas complejos en rea o
dominio este sistema intenta imitar el comportamiento que podra tener un experto humano en
dominio del problema, ante los cual los SBC tienen metodologas que intentan reflejar el
conocimiento y el razonamiento que posee el experto para tomar decisiones ente una situacin
puntual. Dentro de estas metodologas se encuentran los Sistemas Expertos SE estos
nacieron en la dcada de los 60, durante esta dcada los investigadores Alan Newell y Herbert
Simon desarrollaron un programa llamado GPS (General Problem Solver; solucionador
general de problemas), los SE son representativos de los SBC debido a su calidad y cantidad de
conocimiento que manejan en relacin al experto humano.

Dentro de la definicin de un SE tiene varias acepciones dentro de las cuales encontramos
las siguientes:
Es un software que imita el comportamiento de un experto humano en la solucin de
un problema. Pueden almacenar conocimientos de expertos para un campo determinado y
solucionar un problema mediante deduccin lgica de conclusiones.
Programas que manipulan conocimiento codificado para resolver problemas en un
dominio especializado, en un dominio que generalmente requiere de experiencia humana
Programas que contienen tanto conocimiento declarativo (hechos a cerca de objetos,
eventos y/o situaciones) como conocimiento de control (informacin acerca de los cursos de






Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
39
HEURSTICA
una accin), para emular el proceso de razonamiento de los expertos humanos en un dominio
en particular y/o rea de experiencia.
Software que incorpora conocimiento de experto sobre un dominio de aplicacin dado,
de manera que es capaz de resolver problemas de relativa dificultad y apoyar la toma de
decisiones inteligentes en base a un proceso de razonamiento simblico.27

Estas definiciones no son exclusivas una de otras sino que pueden conjugarse para hacer
una sola y tener ms claro cul es el comportamiento de un SE.

Los SBC se aplican por lo general, en problemas que implican procedimientos basados
en heurstica, es decir un procedimiento de solucin que utiliza estructuras que contienen
conocimiento y experiencia de los expertos humanos, deduccin lgica de conclusiones,
capacidad de interpretar informacin ambigua y manipulacin del conocimiento afectados por
datos de poca fiabilidad y evento probabilstico.

Arquitectura general de SBC















Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
40
HEURSTICA

9.) Ejemplos de heursticas
La vida cotidiana nos presenta distintas situaciones que nos llevan a reflexionar y a
generar cierta soluciones para sortear y superar estos problemas.

Comnmente, situaciones aunque parezcan simples, nos llevan a enfrentar una
problemtica interesante que desafa nuestra inteligencia y capacidad imaginativa para resolver
cualquier adversidad

Aqu hay unos ejemplos de ciertos problemas que de alguna manera su solucin ha
ayudado a resolver situaciones aun ms complejas


9.1.) 8 REINAS.
El problema de las 8 reinas fue propuesto por el ajedrecista alemn Max Bezzel en el ao
1848. Consiste en la manera de situar 8 reinas en un tablero de ajedrez, sin que puedan
"amenazarse", es decir, que ninguna est en la misma fila, columna o diagonal que la otra.
Es interesante estudiar esta problemtica que ha sido resuelta de varias maneras, pero
siempre con una premisa por delante, usar una estrategia heurstica para resolverla. La formula
mas comn consiste en el Back Tracking. Este procedimiento consiste en ir ubicando las piezas
recordando la posicin de las anteriores. Si por algn motivo una no puede ser ubicada, volver
hacia movimientos anteriores para seguir tratando por otro camino









Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
41
HEURSTICA

9.2.) PROBLEMA A*
Desde siempre hemos tratado de
resolver de mejor manera un problema tan
comn como un laberinto. La idea es que
dado un par de puntos dentro de un lugar,
buscar el camino ms corto entre ellos. Al
ser una bsqueda por amplitud, el algoritmo
A* es un algoritmo completo, es decir, si
existe una solucin, el algoritmo la
encontrar. La forma en que se modela la
solucin es a travs de un grafo en donde cada nodo es una posicin valida dentro del espacio.
La funcin que se evala es de la forma F(n) = g(n) + h'(n), en donde g(n) representa el costo
total del recorrido antes de llegar al nodo n y h'(n) es el costo heurstico del nodo a evaluar.



9.3.) VENDEDOR VIAJERO.
Este es la problemtica ms cotidiana y ms complicada de solucionar dentro de los
problemas logsticos para cualquier empresa. Cual es la manera optima para repartir o recorrer
ciertos lugares de la manera ms rpida y menos costosa? Esta problemtica pertenece a la
categora de NP - Completo, por ende, no posee una solucin polinomial optima. Existen
aproximaciones heursticas para esto, que llegan a buenos resultados, pero no podemos tener la
certeza de que sean ptimos.







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
42
HEURSTICA
Una solucin intuitiva para resolver esto sera evaluar cada una de las opciones, pero a
travs de un clculo simple podemos darnos cuenta que este proceso es una permutacin de
todos los nodos y la complejidad de esto es de n!, lo que si utilizramos 8 nodos, ya tenemos
que evaluar ms de 40000 posibilidades. Con 20 o ms, ya se hace prcticamente imposible
manejar esta cantidad de datos manualmente. Incluso a travs de una computadora,
necesitamos bastante tiempo y capacidad de procesamiento para calcular estas posibilidades

Para modelar este problema se utiliza un grafo multidireccional, con un peso o costo o
determinado entre cada nodo










Aqu podemos ver 4 destinos y la oficina principal, con el costo asociado a cada camino.
Para resolver esta situacin utilizaremos un software muy usado en temas de estadstica y
clculos numricos, llamado WINQSB.

Para esto, creamos la matriz de adyacencia de este grafo







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
43
HEURSTICA




La forma en que calculara la solucin es buscando todos los ciclos posibles para este
grafo y retornara el resultado menos, es decir, el menos costoso.

Luego de calcular, el programa nos retorna la siguiente informacin







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
44
HEURSTICA



El recorrido optimo seria entonces Oficina Central - Lugar 3 - Lugar 4 - lugar 2 - Lugar 1
- Oficina central. El costo total del ciclo es de 195. Grficamente, el camino se ve as















Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
45
HEURSTICA
9.4.) Bsqueda en anchura.













En Ciencias de la Computacin, Bsqueda en anchura (en ingls BFS - Breadth First
Search) es un algoritmo para recorrer o buscar elementos en un grafo (usado frecuentemente
sobre rboles). Intuitivamente, se comienza en la raz (eligiendo algn nodo como elemento
raz en el caso de un grafo) y se exploran todos los vecinos de este nodo. A continuacin para
cada uno de los vecinos se exploran sus respectivos vecinos adyacentes, y as hasta que se
recorra todo el rbol.

Formalmente, BFS es un algoritmo de bsqueda sin informacin, que expande y examina
todos los nodos de un rbol sistemticamente para buscar una solucin. El algoritmo no usa
ninguna estrategia heurstica.







Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
46
HEURSTICA
Si las aristas tienen pesos negativos aplicaremos el algoritmo de Bellman-Ford en alguna
de sus dos versiones.



Procedimiento
Dado un vrtice fuente s, Breadth-first search sistemticamente explora los vrtices de
G para descubrir todos los vrtices alcanzables desde s.
Calcula la distancia (menor nmero de vrtices) desde s a todos
los vrtices alcanzables.
Despus produce un rbol BF con raz en s y que contiene a todos
los vrtices alcanzables.
El camino desde s a cada vrtice en este recorrido contiene el mnimo nmero
de vrtice. Es el camino ms corto medido en nmero de vrtices.
Su nombre se debe a que expande uniformemente la frontera entre lo descubierto y lo
no descubierto. Llega a los nodos de distancia k, slo tras haber llegado a todos los nodos a
distancia k-1.


Pseudocdigo
La nomenclatura adicional utilizada es: Q = Estructura de datos cola.










Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
47
HEURSTICA


























Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de
Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com //
twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay
48
HEURSTICA
Descargas
Un programa muy utilizado para hacer clculos para cada uno de los algoritmos usados en
informtica y estadstica es WinQSB
www.pcdigital.org/descargar-winqsb-20/


Visite:
http://psmheuristica.webnode.com.ve/
http://www.youtube.com/watch?feature=player_embedded&v=_HjvV5nQziw&noredirect=1
http://www.youtube.com/watch?feature=player_embedded&v=upoXlf_g-nE
http://www.youtube.com/watch?feature=player_embedded&v=y5jQpOXEj78
http://www.youtube.com/watch?feature=player_embedded&v=K1fgnN0WCYQ

Anda mungkin juga menyukai