Documente Academic
Documente Profesional
Documente Cultură
Carlos A. Ochoa
Facultad de Ingeniería Eléctrica, Universidad Autónoma de Zacatecas
Zacatecas, C.P. 98000, México
megamax8@hotmail.com
6. CONCLUSIONES
El algoritmo que se tiene implementado actualmente da la
solución óptima, pero se sabe que como el problema de la
mochila es un problema NP-duro al incrementar el número de
objetos el algoritmo se requiere de la implementación de
métodos heurísticos para poder obtener una solución en un
tiempo polinomial.
En base a los resultados obtenidos se recomienda la
implementación de algoritmos heurísticos como son colonia de
hormigas, los cuales han probado que obtienen buenos
Figura 3. Archivo .dat modificado resultados en una gran variedad de problemas.
7. REFERENCIAS
[1] Alaya I., Solnon C. & Ghédira K., Ant Algorithm for the
Multidimensional Knapsack Problem, 2004.
[2]Dean B., Goemans y M. Vondrak J., Approximating the
Stochastic Knapsack Problem: The Benefit of Adaptivity. In
the proceedings of the 45th annual IEEE symposium on
Foundations of Computer Science 2005.
[3] Dorigo M., Optimization, learning and natural algorithms,
Ph.D. Thesis, Dipartimento di Elettronica, Politecnico di
Milano, Italy, (in Italian), 1992.
[4] Fidanova S., Ant Colony Optimization for Multiple
Knapsack Problem and Model Bias, NAA'04, Lecture Notes
in Computer Sciences, Springer No 3401, Germany, 2005,
pp. 282-289
[5] Leguizamon, G. y Michalewicz, Z., A New Version of Ant
System for Subset Problems, 1999
[6]Schwarz J. y Oþenášek J., Pareto Bayesian Optimization
Algorithm For The Multiobjective 0/1 Knapsack Problem,
In: Proceedings of the 7th International Mendel Conference
on Soft Computing, Brno, CZ, FSI VUT, 2001, p. 131-136,
ISBN 80-214-1894-X