Mtodo Heurstico

Ing. Othn Crdova Sosa

Modelacin y Optimizacin en Hidrosistemas
Introduccin
Una metaheurstica es un mtodo heurstico
para resolver un tipo de problema
computacional general, usando los parmetros
dados por el usuario sobre unos procedimientos
genricos y abstractos de una manera que se
espera eficiente. Normalmente, estos
procedimientos son heursticos. El nombre
combina el prefijo griego "meta" ("ms all",
aqu con el sentido de "nivel superior") y
"heurstico" (de , heuriskein,
"encontrar").
Introduccin
Las metaheursticas generalmente se aplican a
problemas que no tienen un algoritmo o
heurstica especfica que d una solucin
satisfactoria; o bien cuando no es posible
implementar ese mtodo ptimo. La mayora
de las metaheursticas tienen como objetivo los
problemas de optimizacin combinatoria, pero
por supuesto, se pueden aplicar a cualquier
problema que se pueda reformular en trminos
heursticos, por ejemplo en resolucin de
ecuaciones booleanas.
Conceptos principales
El objetivo de la optimizacin combinatoria es
encontrar un objeto matemtico finito (por
ejemplo, un vector de bits o permutacin) que
maximice (o minimice, dependiendo del
problema) una funcin especificada por el
usuario de la metaheurstica. A estos objetos se
les suele llamar estados, y al conjunto de todos
los estados candidatos se le llama espacio de
bsqueda. La naturaleza de los estados y del
espacio de bsqueda son usualmente
especficos del problema.
La funcin a optimizar se le llama funcin
objetivo, y se da al usuario como un
procedimiento caja-negra que evala el
estado actual o la funcin. Dependiendo de la
metaheurstica, el usuario puede tener que dar
otras funciones caja-negra que produzcan un
nuevo estado, generan variantes del estado
actual, elijan un estado entre varios, aporten
valores mximos o mnimos para la funcin
objetivo en un conjunto de estados, y en ese
estilo.
Algunas metaheursticas mantienen en cada
instante de ejecucin un nico estado actual, y
lo cambian en cada iteracin por uno nuevo.
Este paso bsico se conoce como transicin de
estado, movimiento o actualizacin del estado.
El movimiento es colina arriba o colina abajo
dependiendo de si los valores que da la funcin
objetivo se incrementa o se decrementa. El
nuevo estado puede estar construido desde la
nada por un generador de estados dado por el
usuario.
Alternativamente, el nuevo estado puede
derivar del estado actual por un mutador
proporcionado por el usuario; en este caso, el
nuevo estado se conoce como vecino del
estado actual. Generadores y mutadores son
habitualmente procedimientos probabilsticos. El
conjunto de todos los nuevos estados dados por
el mutador es el vecindario del estado actual.
Metaheursticas ms sofisticadas mantienen, en
vez de un nico estado actual, un conjunto de
varios estados candidato. As, el paso bsico
aade o elimina estados de este conjunto. En
este caso, los procedimientos dados por el
usuario seleccionan estados para ser
descartados, y generan nuevos estados a
aadir. El ltimo estado puede ser generado
como combinacin o cruce de dos o ms
estados del conjunto.
Una metaheurstica puede guardar informacin
del ptimo actual, escogiendo el estado
ptimo entre todos los ptimos actuales
obtenidos en varias etapas del algoritmo.
Dado que el nmero de candidatos puede ser
muy grande, normalmente, las metaheursticas
estn diseadas de manera que puedan ser
interrumpidas por un tiempo mximo
especificado por el usuario. Si no se
interrumpen, algunas metaheursticas exactas
examinaran todos los candidatos, y usarn
mtodos heursticos slo para escoger el orden
de la enumeracin; de hecho, siempre
devolvern un ptimo real, si el tiempo mximo
es lo suficientemente grande.
Algunas metaheursticas muy conocidas son

Optimizacin aleatoria
Bsqueda local
Algoritmos voraces y Ascensin de colinas
Ascensin de colinas con reinicializacin
aleatoria
Bsqueda primero el mejor
Enfriamiento simulado
Optimizacin basada en colonias de
hormigas
Algoritmos de enjambre
Bsqueda tab
Algoritmos genticos
Algoritmos memticos
GRASP
Meta-RaPS
Algoritmos multiarranque
Inteligencia de enjambre
Optimizacin de enjambre de partculas
Bsqueda por difusin estocstica
Optimizacin extrema
Bsqueda dispersa (Scatter Search)
Re-encadenamiento de trayectorias (Path
Relinking)
Hay un nmero enorme de variables e
hbridos propuestos, y muchas ms
metaheursticas han sido probadas en
problemas especficos. Este es un campo en
investigacin, con un gran nmero de
publicaciones en revistas, un gran nmero de
investigadores y usuarios, adems de un gran
nmero de aplicaciones.