MTODOS

HEURSTICOS Y
META
HEURSTICOS
 HEURSTICOS

Encontrar o descubrir:
Es un conjunto de pasos empricos que se realizan para llevar a
cabo la solucin de un problema que no tiene un mtodo exacto
de solucin de la manera mas practica, til y rpida, el problema
es tomado primeramente de manera global y se estudia su
naturaleza para entender dicho problema y el plan que se
realizara para llegar a una solucin optima, avanzando o
retrocediendo en el proceso de aplicacin y verificando su
optima funcionalidad aunque para este mtodo no se garantiza
su factibilidad.
 CLASIFICACIN

Diseados para problemas especficos sin posibilidad

de generalizacin o aplicacin a otros problemas similares, a
continuacin algunas categoras donde
se clasifican algunos de los mtodos heursticos
mas conocidos,

Mtodos de Descomposicin:
El problema original se descompone en sub-problemas mas
sencillos de resolver en donde cada uno se le debe dar una
alternativa eficiente de solucin.
Mtodos Inductivos:
La idea de estos mtodos es generalizar las propiedades o tcnicas
identificadas en estos casos, ms fciles de analizar que se pueden
aplicar al problema completo.

Mtodos de Reduccin:
El objeto es restringir el espacio de soluciones simplificando el
problema. El riesgo obvio es dejar fuera las soluciones ptimas del
problema original.
Mtodos Constructivos:
Se basa literalmente en la construccin paso a paso de la
solucin del problema y cada tcnica o proceso es elegido
segn su mejor interaccin con este.

Mtodos de Bsqueda Local:

Los procedimientos comienzan con una solucin del problema
y la mejoran progresivamente, realiza en cada paso un
movimiento de una solucin a otra con mejor valor y finaliza
cuando para una solucin no existe ninguna solucin accesible
que la mejore.
 VENTAJAS
Desglosa el problema encontrando soluciones rpidas

Existen diversas tcticas individuales y grupales que

intervienen en la bsqueda de la solucin del problema
(Espina de pescado, lluvia de ideas, Mapas mentales,
diagramas etc.)

Da alternativas a problemas que no son comparables con

otros

Simplifica las posibles soluciones que se pueden aplicar

Ahorra tiempo y costos en la consecucin de solucin de los

problemas
 DESVENTAJAS

Generalmente por su tipo de bsqueda nos puede conducir

a errores u operaciones equivocadas

Se pueden contradecir las soluciones encontradas al

aplicarse al problema creando con esto confusin

Las soluciones optimas determinadas por este mtodo

puede hacer menos exhaustiva la bsqueda dejando
posibles falencias por fuera
 AUTORES DEL MTODO
Algunos autores mencionados en la consecucin de pasos correctos
para la solucin de problemas son:
Bransford y Stein (1984)
George Plya (1957)
1. Comprender el problema:

Leer el problema varias veces

Establecer los datos del problema
Aclarar lo que se va a resolver (Cul es la pregunta?)
Precisar el resultado que se desea lograr
Determinar la incgnita del problema
Organizar la informacin
Agrupar los datos en categoras
2. Hacer el plan:
Escoger y decidir las operaciones a efectuar.
Eliminar los datos intiles.
Descomponer el problema en otros ms pequeos.

3. Ejecutar el plan (Resolver):

Ejecutar en detalle cada operacin.
Simplificar antes de calcular.
Realizar un dibujo o diagrama.
4. Analizar la solucin (Revisar):
Dar una respuesta completa
Hallar el mismo resultado de otra manera.
Verificar por apreciacin que la respuesta es adecuada.
METAHEURSTICA
 La 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

CONCEPTO
heursticos. El nombre combina el
prefijo griego "meta" ("ms all", aqu con el sentido
de "nivel superior") y "heurstico" (de "encontrar").

Las metaheursticas generalmente se aplican a

problemas que no tienen un algoritmo o heurstica
especfica que d una solucin satisfactoria o
cuando no es posible implementar ese mtodo.

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
 TIPOS DE METAHEURISTICAS
1. LAS METAHEURSTICAS DE RELAJACIN

2. LAS METAHEURSTICAS CONSTRUCTIVAS

3. LAS METAHEURSTICAS DE BSQUEDA

4. LAS METAHEURSTICAS EVOLUTIVAS

5. OTRAS TIPOS
ETAHEURSTICAS DE RELAJACIN
Al abordar un problema real es la obtencin de un modelo que permita emplear una tcnica de resolucin
apropiada, si con este modelo el problema resulta difcil de resolver se acude a modelos modificados en los que
es ms sencillo encontrar buenas soluciones o en los que los procedimientos son ms eficientes aplicando la
relajacin en un problema es un modelo simplificado obtenido al eliminar, debilitar o modificar restricciones u
objetivos del problema real.
En cualquier formulacin siempre existe algn grado de simplificacin, lo que puede afectar en mayor o menor
medida al ajuste a la realidad de los procedimientos de resolucin y de las soluciones del problema propuestas.
Los modelos muy ajustados a la realidad suelen ser muy difciles de resolver, y sus soluciones difciles de
implementar exactamente, por lo que se acude a modelos relajados.

RELAJACIN DE RESTRICCIONES : RELAJACIN DEL OBJETIVO:

En algunos procedimientos se proponen Otras estrategias modifican la funcin objetivo para

modificaciones del problema que suelen estar
encaminadas a relajar las restricciones a las que debe
estar sometida la solucin, permitiendo que el
recorrido bordee la regin factible para acercarse al
ptimo global incluso desde la regin no factible.
Entre las metaheursticas que emplean la relajacin
de restricciones se encuentran los mtodos:
Relajacin lagrangiana
Restricciones subordinadas.
obtener, de forma ms rpida, valoraciones aproximadas
de la calidad de la solucin que orientan la bsqueda
Es frecuente encontrar problemas en los que evaluar la
funcin objetivo puede significar resolver otro problema
de gran dificultad, para estos problemas es muy til
encontrar funciones sencillas de calcular que den una
idea aproximada de la calidad de las soluciones sin
necesidad de una evaluacin ajustada de la funcin
objetivo.
 METAHEURSTICAS
CONSTRUCTIVAS
Las metaheursticas constructivas aportan soluciones del problema por medio de un
procedimiento que incorpora iterativamente elementos a una estructura, inicialmente vaca, que
representa a la solucin.

Las metaheursticas constructivas establecen estrategias para seleccionar las componentes con
las que se construye una buena solucin del problema.

Entre las metaheursticas primitivas en este contexto se encuentra la popular estrategia voraz o
greedy, que implica la eleccin que da mejores resultados inmediatos, sin tener en cuenta una
perspectiva ms amplia.

Dentro de este tipo de metaheurstica, destaca la aportacin de la metaheurstica GRASP que,

en la primera de sus dos fases, incorpora a la estrategia greedy pasos aleatorios con criterios
adaptativos para la seleccin de los elementos a incluir en la solucin.

METAHEURSTICAS
DE BSQUEDA
El tipo de metaheurstica ms
importante es el de bsqueda, que
establecen estrategias para
recorrer el espacio de soluciones
del problema transformando de
forma iterativa soluciones de
partida.
. La concepcin primaria de
heurstica ms frecuente era la de
alguna regla inteligente para
mejorar la solucin de un problema
que se aplicaba iterativamente
mientras fuera posible obtener
nuevas mejoras.
METAHEURSTICAS DE BSQUEDA LOCAL
son las estrategias o pautas generales para disear mtodos de
bsqueda local, establece como pauta, una vez consideradas cuales
son las soluciones que intervienen en el anlisis local, elegir
iterativamente la mejor de tales soluciones mientras exista alguna
mejora posible.
Sin embargo, se suele asumir que las bsquedas locales slo modifican
la solucin que realiza el recorrido mediante una mejora en su propio
entorno. El principal inconveniente de estas bsquedas locales es que
se quedan atrapadas en un ptimo local, una solucin que no puede ser
mejorada por un anlisis local
METAHEURSTICAS DE BSQUEDA GLOBAL
Las metaheursticas de bsqueda global incorporan pautas para tres
formas bsicas de escapar de los ptimos locales de baja calidad:
1) volver a iniciar la bsqueda desde otra solucin de arranque
2) modificar la estructura de entornos que se est aplicando y
3) permitir movimientos o transformaciones de la solucin de bsqueda
que no sean de mejora.
Surgen as, respectivamente:
4) Las metaheursticas de arranque mltiple establecen pautas para
reiniciar de forma inteligente las bsquedas descendentes.
5) Las metaheursticas de entorno variable modifican de forma
sistemtica el tipo de movimiento con el objeto de evitar que la
bsqueda se quede atrapada por una estructura de entornos rgida.
6) Las bsquedas no montonas que tambin aplican movimientos de
no mejora durante el recorrido de bsqueda se denominan
bsquedas.
 METAHEURSTICAS
EVOLUTIVAS
Metaheursticas Evolutivas Las metaheursticas evolutivas establecen estrategias para
conducir la evolucin en el espacio de bsqueda de conjuntos de soluciones (usualmente
llamados poblaciones) con la intencin de acercarse a la solucin ptima con sus
elementos.

El aspecto fundamental de las heursticas evolutivas consiste en la interaccin entre los

miembros de la poblacin frente a las bsqueda que se guan por la informacin de
soluciones individuales.

Las diferentes metaheursticas evolutivas se distinguen por la forma en que combinan la

informacin proporcionada por los elementos de la poblacin para hacerla evolucionar
mediante la obtencin de nuevas soluciones. Los algoritmos genticos y memticos y los
de estimacin de distribuciones emplean fundamentalmente procedimientos aleatorios,
mientras que las metaheursticas de bsqueda dispersa o de re encadenamiento de
caminos emplean procedimientos emtico.s
 OTROS TIPOS DE
METAHEURSTICAS
Algunas metaheursticas surgen combinando metaheursticas de
distinto tipo, como la metaheurstica GRASP (Procedimiento de
Bsqueda Adaptativa Aleatoria Greedy), que combina una fase
constructiva con una fase de bsqueda de mejora.
Otras metaheursticas se centran en el uso de algn tipo de recurso
computacional o formal especial como
las redes neuronales
los sistemas de hormigas o
la programacin por restricciones y no se incluyen claramente en
ninguno de los cuatro tipos anteriores.
 EJERCICIOS
Gracias.