on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
30 de Octubre de 2013
C. Contreras Bolton et al. Un efectivo algoritmo gen
etico para el problema del
arbol de cobertura mnima generalizado
1/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Tabla de contenidos
1 Introduccion
2 Algoritmo Genetico Propuesto
3 Resultados y Discusion
4 Conclusiones
2/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Introduccion
Descripci
on del problema
3/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Introduccion
Definici
on formal
4/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Introduccion
Aplicaciones del GMSTP
5/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Introduccion
Estado del arte
6/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Introduccion
Estado del arte
Las primeras heursticas propuestas para el GMSTP son de Dror et
al. (2000). Ademas, proponen un Algoritmo Genetico (AG) canonico
de Goldberg (1989) con representaci
on binaria y operadores
tradicionales que muestra ser mejor que las heursticas planteadas.
Golden et al. (2005) proponen dos nuevos algoritmos: un algoritmo
de b
usqueda local, y un AG con representaci
on entera, el cual
combina b
usqueda local a nivel de operador de mutacion y
heursticas en el cruzamiento.
Oncan
et al.(2008) proponen un algoritmo de b
usqueda tab
u, que
logra resultados que son mejores o iguales a las de Golden et
al.(2005).
Ferreira et al. (2012) propone un GRASP que mezcla cinco
heursticas, una b
usqueda local y la tecnica de path-relinking.
7/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Introduccion
Propuesta
Este
trabaja con diferentes operadores geneticos:
Dos operadores de cruzamiento.
Cinco operadores de mutaci
on, de los cuales tres son
operadores especiales de b
usqueda local.
8/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
. En paralelo
. En paralelo
. En paralelo
. En paralelo
9/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
10/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
11/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
12/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
13/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
14/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
15/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Resultados y Discusion
Caractersticas del experimento
16/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Resultados y Discusion
Instancias
17/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Resultados y Discusion
Resultados con las 169 instancias faciles
Algoritmo
AG
AGG
LS
TS
GRASP
Mejor
Costo
14679,0237
14679,7396
14681,1775
14679,2633
14679,0722
Mejor Error
Promedio ( %)
0,00030
0,00399
0,02169
0,00031
0,00000
Tiempo
Promedio (seg)
0,7360
40,1953
22,8107
0,3300
N
umero
de optimos
167
165
129
167
169
18/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Resultados y Discusion
Resultados en cluster centering
Instancias
107ali535
107att532
99d493
132d657
84fl417
53gil262
87gr431
134gr666
64lin318
131p654
113pa561
89pcb442
53pr264
60pr299
88pr439
115rat575
157rat783
80rd400
107si535
115u574
145u724
Promedio
535
532
493
657
417
262
431
666
318
654
561
442
264
299
439
575
783
400
535
574
724
137733
139216
118406
213650
84841
33521
88666
216964
49363
210044
155544
96360
34028
43786
94585
163695
304384
78754
140799
163035
259764
LB
107 114289
107
12001
99
16493
132
19427
84
7935
53
887
87 86885
134 144737
64
18471
131 22207
113
861
89
19571
53
21872
60
20290
88
51749
115
2168
157
3009
80
5868
107
12791
115
15027
145
15904
AG
Costo
114337
12001
16493
19427
7935
887
86885
144737
18471
22207
864
19571
21872
20290
51749
2170
3014
5868
12791
15032
15913
29167,476
TS
Gap
Costo
0,012
114303
0,000
12001
0,000
16493
0,000
19427
0,000
7935
0,000
887
0,000
86885
0,000
144756
0,000
18471
0,000
22208
0,348
864
0,000
19571
0,000
21872
0,000
20290
0,000
51760
0,069
2170
0,166
3017
0,000
5868
0,000
12791
0,033
15037
0,057
15905
0,033 29167,190
Gap
0,012
0,000
0,000
0,000
0,000
0,000
0,000
0,013
0,000
0,005
0,348
0,000
0,000
0,000
0,021
0,069
0,266
0,000
0,000
0,067
0,006
0,038
GRASP
EA
Costo
Gap
Costo
114303 0,012
114303
12001 0,000
12001
16493 0,000
16493
19427 0,000
19427
7935 0,000
7935
887 0,000
887
86885 0,000
86885
144773 0,025
144737
18471 0,000
18471
22207 0,000
22207
864 0,348
865
19571 0,000
19571
21872 0,000
21872
20290 0,000
20290
51749 0,000
51749
2170 0,069
2170
3012 0,100
3015
5868 0,000
5868
12791 0,000
12791
15032 0,033
15034
15904 0,000
15904
29166,905 0,028 29165,476
Gap
0,012
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,465
0,000
0,000
0,000
0,000
0,092
0,199
0,000
0,000
0,047
0,000
0,039
19/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Resultados y Discusion
Resultados en cluster centering
20/21
Introducci
on Algoritmo Gen
etico Propuesto Resultados y Discusi
on Conclusiones
Conclusiones
21/21