Documente Academic
Documente Profesional
Documente Cultură
Abstract
This paper provides an overview of the optimization metaheuristic based on ant colony, describing several existing optimization models where we took of the page TSPLIB one of the best solutions to Heidelberg University to implement one of the algorithms based on TSP, of course we take the algorithm of ant colony optimization and implemented a solution called eil51 dealing with 51 vertices for a particular solution of the algorithm, making it virtually have a desktop test if the algorithm is efficient .
Palabras claves
Optimizacin, Colonia, Hormigas, Nodos, Ciclos, Distancia, Aristas, Peso, Feromonas, Recorrido, Rastro ,Corto, Ruta, Evaporacin, Camino
1.) Introduccin
El trabajo se refiere a problemas de optimizacin, donde las soluciones posibles conforman un conjunto muy discreto (por ejemplo con el peso, o la distancia) cuando el tamao del dominio del problema no es muy grande se puede abortar con soluciones optimas globales conocidas como Heuristicas, sin embargo en medida que el dominio aumenta el problema se vuelve cada vez mas complejo y hay que recurrir a soluciones de calidad aunque no sean las mas optimas denominadas metaheuristicas. En el comportamiento de las hormigas se distingue la bsqueda de alimentos, trazando el camino mas corto entre el hormiguero y el emplazamiento de alimentos, el eje de esta bsqueda es el depsito de feromona como rastro que orienta el recorrido. Las hormigas prefieren seguir la mayor concentracin de feromona, la misma que se consigue por el recorrido mas corto hecho por hormigas. En principio siguen rutas aleatorias, pero las que han utilizado las de menor longitud pueden regresar mas rpidamente pues transitan a una velocidad uniforme y repetir el camino dejando una mayor densidad de huellas de feromonas, las depositadas en las otra rutas se van evaporando y dejan de tener inters en nuevos recorridos.
3.) Descripcin
En la imagen superior podemos ver dos caminos para llegar desde el hormiguero hasta la comida, en principio, las hormigas a ciegas elegirn aleatoriamente uno de las dos caminos como podemos ver en B. Es obvio que el camino superior es mucho ms corto, esto produce que las hormigas que han optado por el camino superior lleguen y vuelvan ms rpido a la comida que las que eligen el camino inferior, al ir y venir ms rpido la cantidad de feromonas se ver reforzada ms rpidamente y se evaporar mucho ms despacio. Con esto se conseguir que prximas hormigas a la hora de decidir uno de los dos caminos elijan el camino con ms feromonas, reforzando el camino superior y hacienda cada vez menos atractivo el camino inferior. Al cabo de un tiempo casi todas las hormigas irn por el camino superior como podemos ver en D. Aqu hemos visto como las hormigas en la naturaleza sin comunicarse entre ellas son capaces de organizarse como una colonia para lograr un objetivo comn. Los individuos por si solo no son nada, pero la suma de los agentes hace un sistema muy eficaz, en el prximo artculo veremos como aplicar esto en un programa informtico para encontrar el camino ms cort.
Luego de introducir al algoritmo el nodo con los 51 vrtices de eil51, definimos nodos para convertirlo en la matriz de distancia con la formula general aplicada al algebra entre distancia entre dos puntos calculando puntos en (x1, y1) y (x2, y2) para calcular la distancia y el coste de un punto a otro. A partir de un ciclo se llenan los vectores N,P;T donde N es la heurstica local, T es la vector Feromonas y P el vector peso, estas variables inicialmente eran matrices, pero como vamos a trabajar con nodos se inicializan en 0 y se calculan como un vector para la formula general de distancia entre dos puntos El resultado obtenido fue de 466 aproximndose mucho al resultado original que es de 426 estando en un rango de 95% de optimizacin despus de muchas pruebas y basndose en eil 51 tratando de encontrar una mejor matriz el mejor resultado que nosotros encontramos fue muy cercano
4.1.) Calculando la distancia while j<51: vector_pesos.append(0) vector_t.append(1.5) vectorn.append(0) j=j+1 pesos.append(vector_pesos) t.append(vector_t) n.append(vectorn) i=i+1 i=j=0 while i<51: j=i while j<51: #calcular funcion distancia distanciaenx=nodos[i][0]-nodos[j][0] distanciaeny=nodos[i][1]-nodos[j][1] distanciatotal=round(math.sqrt(distanciaenx*distanciaenx+distanciaeny*distanc iaeny)) if distanciatotal==0: pesos[i][j]=1 pesos[j][i]=1 else: pesos[i][j]=distanciatotal pesos[j][i]=distanciatotal j=j+1 i=i+1
Imprimiendo las iteraciones, el numero de hormigas en cada iteracin, la mejor solucin inicial y la mejor solucin encontrada
5.) Conclusin
Podemos concluir de este trabajo que la tcnica de optimizacin basada en colonias de hormigas e implementando una solucin particular eil51 de 51 vrtices o puntos y calculando para cada punto la distancia entre dos puntos de la forma general algebraica que calcula las coordenadas de X y Y para las 51 aristas que tiene la implementacin del nuevo nodo a calcular. Luego de calcular la distancia entre dos puntos lo que se quiere buscar es el camino mas corto entre esos diferentes vrtices, hay juega un papel muy importante saber o tener muy bien implementado el algoritmo para que as al leer el nodo y con las diferentes iteraciones lograr una muy buena respuesta, en el caso de este trabajo logramos un muy buen resultado ya que fue muy satisfactorio probar eil51 con el algoritmo que ya tenamos, eso quiere decir que el algoritmo de optimizacin de hormigas estaba muy bien implementado y optimizo muy bien
Referencias
[1] La Metaheurstica de Optimizacin Basada en Colonias de Hormigas: Modelos y Nuevos Enfoques* Sergio Alonso, Oscar Cordn, Iaki Fernndez de Viana, Francisco Herrera Tomado de http://sci2s.ugr.es/publications/ficheros/OCH%20Modelos%20y
[2] Razn Artificial por Adrin Guerra Marrero El contenido de este sitio est bajo licencia http://razonartificial.com/2010/01/optimizacion-basada-en-colonias-de-hormigas-
[3]
UNIVERSIDAD DE GRANADA E.T.S. DE INGENIER_IA INFORM_ATICA Departamento de Ciencias de la Computacin http://sci2s.ugr.es/docencia/bioinformatica Algoritmos de Optimizacin Basados en Colonias de Hormigas Curso 2010-2011 http://sci2s.ugr.es/docencia/bioinformatica/bio/ficheros/Practicas/p1/P1_10-11.pdf