Documente Academic
Documente Profesional
Documente Cultură
SIIAN IV
Introduccin
El ser humano ha estado buscando formas ptimas de solucionar diversos problemas de
la realidad por medio de herramientas matemticas que nos ayuden a mejorar
procesos o actividades. Las matemticas tienen una rama llamada Investigacin de
Operaciones que otorga soluciones por medio de modelos con fundamentos
matemticos, estadsticos y el empleo de algoritmos para la toma de decisiones.
Un caso especfico de esta rama y parte de la problemtica estudiada en este proyecto
es la asignacin de Horarios de exmenes (Examination Timetabling) en Instituciones
acadmicas. El objetivo es disminuir los conflictos de asignacin de exmenes con
alumnos y que los periodos de tiempo no se intercalen de acuerdo a las
especificaciones de cada institucin.
UPIICSA - IPN MAESTRA EN INGENIERA INDUSTRIAL JHOSELIN GALVN DOMNGUEZ
Heursticos
Proviene de la palabra griega que significa encontrar y se le vincula con la exclamacin
de Arqumedes eureka que utiliz al descubrir su famoso principio del Empuje
hidrosttico.
En Inteligencia
artificial
Igor Ribeiro
Sucupira
Conocimiento
Tareas dinmicas
Mtodo inteligente
Sin conocimiento matemtico de su comportamiento
Sistema experto
Tipos de metaheurstica:
Algoritmo
evolutivo.
Optimizacin
de colonia de
hormigas.
Bsqueda
Tab.
Algoritmos de
bsqueda del
sitio iterados.
Evolucin de poblaciones
Estrategia de Construccin
Estrategia Codiciosa
De Relajacin (Lagrange)
VNS (Barrio variable de
bsqueda)
Otros mtodos
Hipermetaheursticos
Simulado recocido
Soluciona problemas
ms robustos
Asocia algoritmos
simples heursticos
Mejora la toma de
decisiones
Buena aproximacin
del valor ptimo
(ptimo global).
Funcin en un
espacio de bsqueda
grande
Mtodo
probabilstico
Coloracin de un
grafo
Bsqueda Tab
Algoritmos evolutivos
Asigna colores a
cada vrtice con el
uso mnimo de
colores a asignar
Los vrtices
adyacentes no
pueden tener el
mismo color
Cadenas de vrtice
factibles (cadenas de
Kempe)
Memoria adaptativa:
a corto y largo plazo
Variante de la
inteligencia artificial
Exploracin sensible
Estrategias de
intensificacin,
diversificacin y
oscilacin
estratgica.
Tiene
implementaciones
estndares
Para problemas
dinmicos se
requiere:
incrementar la
diversidad despus
de cambios,
mantener la
diversidad a largo
plazo y mtodos
basados en memoria
y multipoblacionales.
Timetabling
Es un problema clsico metaheurstico en el rea de Optimizacin combinatoria y es parte
de la familia de los NP-completos.
Este mtodo estudia el conflicto que tienen los diferentes organismos escolares en
programar la asignacin horarios de exmenes, conforme a las condiciones acadmicas
que tienen los diferentes institutos.
Un horario factible ser aquel que satisfaga las restricciones duras. El que un horario sea
factible no implica que sea un buen horario, esto vendr determinado por el grado de
satisfaccin de las restricciones blandas.
Timetabling
Restricciones comunes en los problemas de
horarios de exmenes:
Restricciones hard son las que no se deben
violar y satisfacer completamente.
Periodos
Examination
Timetabling
Problema multi-objetivo
de programacin de
exmenes, donde las
mltiples combinaciones
de estrategicas se aplican
para obtener una solucin.
Caractersticas:
Se puede presentar ms de un tema de examen por
saln
Mtodo flexible (diferentes temas de examen por
saln)
Minimizar la duracin del periodo
Aprovechar en su totalidad el espacio de los salones
Colocar los exmenes en un orden especfico
Que el alumno no tenga exmenes consecutivos.
2.
Algoritmo de hormigas
Es un mtodo metaheurstico que emula el comportamiento de las hormigas para encontrar y
minimizar la distancia entre el hormiguero y las fuentes de trabajo. [Julio C. Ponce, Felipe Padilla,
Alejandro Padilla y Miguel A. Meza,2006]
Este algoritmo busca una alta organizacin y distribucin entre las hormigas artificiales para
utilizarlas en la administracin de la poblacin de agentes artificiales, obteniendo como resultado
la mejora en la solucin de problemas de optimizacin combinatoria.[Mauricio A. Guerra
Cubillos1, Erwin H. Pardo Quiroga, Roberto E. Salas Ruiz, 2013]
10
Algoritmo de Abejas
El sistema que utilizan las abejas para encontrar y
comunicar a otras abejas acerca de las fuentes de
nctar o de polen que estn alrededor de la
colmena.
Mtodo muy eficaz, de acuerdo con algunos
estudios las abejas son capaces de solucionar
problemas muy complejos matemticamente,
como es el problema de Agente-Viajero (Travelling
Salesman Problem). [Jos A. Moreno Prez ]
11
BA
(Bee Algorithm)
Localizacin
Calidad
Distancia
Fuente
de
alimento
12
Algoritmo HBMO
El algoritmo comienza con el vuelo de apareamiento, donde la reina selecciona
probabilsticamente znganos no tripulados para formar la espermateca (lista de znganos no
tripulados o dron).
1.
2.
Creacin de nuevas cras (centros de racimo) por genotipos de cruce del dron con las reinas.
3.
El uso de los trabajadores (heurstica) para llevar a cabo la bsqueda del sitio de
nidadas(soluciones de prueba).
4.
5.
13
Planteamiento
Hay varias razones por las que los algoritmos de abejas son particularmente apropiados para los
problemas de horarios.
1.
2.
3.
El algoritmo de abejas BA converge hacia una solucin, es posible ejecutarlo varias veces
para obtener distintas soluciones comparables en calidad, pero diferentes en sus detalles, lo
que permitir escoger entre varios horarios de buena calidad.
14
Formulacin matemtica
15
Formulacin matemtica
16
Referencias
[1] A novel clustering appproach: Artificial Bee Colony (ABC) algorithm- Dervis Karaboga & Celal
Otzturk,2011.
[2] Variants of simulated annealing for the examination timetabling problem- Johnathan M.Thompson &
Kathryn A.Dowsland, 1996.
[3] Examination Timetabling: Algorithmic Strategies and Applications- Carter, Laporte, Yan Lee, 1996.
[4] Development of the 25-list-item National Eye Institute Visual Function Questionnaire- Mangione, 2001
[5] Problema del School Timetabling y algoritmos genticos: una revisin- Mauricio Andres Guerra
Cubillos1, Erwin Hamid Pardo Quiroga,Roberto Emilio Salas Ruiz, 2013
[6] Evaluating performance of Honey Bee Mating Optimization; Somayek Karimi, Navid Mostoufi & Rahmat
Sotudeh-Garebagh, 2013
[7] Honey Bee Mating Optimization (HBMO) algorithm for optimal reservoir operation; A. Ashar, O. Bozorg
Haddad, M.A. Mario & B.J.Adams, 2007
[8] Mtodos heursticos genricos:
hiper-heursticas
- Igor Ribeiro Sucupira, 2004
UPIICSAmetaheursticas
- IPN MAESTRA EN INGENIERAeINDUSTRIAL
JHOSELIN GALVN DOMNGUEZ
17
Referencias
[9]ACHPM: algoritmo de optimizacin con colonia de hormigas para el problema de la mochila, Julio C. Ponce,
Felipe Padilla, Alejandro Padilla & Miguel A. Meza- Revista sistemas, ciberntica e informtica Volumen 3,
Nmero 2, 2006
[10]Metaheursticas; Abraham Duarte, Juan J. Pantrigo, Micael Gallego;Editorial Publidisa , 2007
[11] A hybrid self adaptative bees algorithm for examination timetabling problems-Salwani Abdullah & Malek
Alzaqebah, 2013
[12] A modified Artificial Bee Colony algorithm for real-parameter optimization; Bahriye Akay & Dervis Karaboga,
2012
[13] A modified Artificial Bee Colony(ABC) algorithm for constrained optimization problems; Bahriye Akay &
Dervis Karaboga, 2011
[14] Multicircle detection on images using artificial bee colony (ABC) optimization- Erik Cuevas, Felipe SencinEchauri, Daniel Saldivar & Marco Prez-Cisneros, 2012
18
Referencias
[15] Problema de asignacin ptima de salones resuelto con bsqueda tab- Baquero, Ocampo
y Rendn, 2008
[16] http://www.tebadm.ulpgc.es/almacen/seminarios/MH%20Las%20Palmas%202.pdf Jos
A. Moreno Perz.
[17] https://prezi.com/jajjz9dtmqrp/inteligencia-de-enjambres/ - Yadiana Laitn Zrate,2010
19
Gracias por su
atencin.
UPIICSA - IPN MAESTRA EN INGENIERA INDUSTRIAL JHOSELIN GALVN DOMNGUEZ
20