twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 1 HEURSTICA Repblica Bolivariana de Venezuela Ministerio del Poder Popular para la Educacin Superior Instituto Universitario Politcnico Santiago Mario Extensin Maracay Escuela de Ingeniera de Sistemas
Elaborado por: TSU. Brito Jennifer TSU. Ramrez Mara TSU. Izquierdo Pal
Docente: ING. Zapata Jos
Ctedra: Investigacin de Operaciones II
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 2 HEURSTICA
1.) HEURSTICA. La Heurstica es la capacidad que ostenta un sistema determinado para realizar de manera inmediata innovaciones positivas para s mismo y sus propsitos.
Esta capacidad es una caracterstica inherente a los seres humanos, ya que a travs de esta los individuos podemos descubrir cosas, inventar otras tantas, resolver problemas mediante la creatividad o el pensamiento lateral, entre otras alternativas.
2.) ETIMOLOGA HEURSTICA. La enorme popularidad del trmino se le debe al matemtico George Plya, quien a travs de varias propuestas heursticas que volc en su libro Cmo Resolverlo, se convirti en una invalorable ayuda para sus alumnos a la hora de las tareas matemticas.
Entre otras cosas, Plya, all les aconsejaba, que en el caso de no comprender un problema, lo mejor sera dibujar un esquema sobre el, si el problema en cuestin es abstracto, probar de pasarlo a un tema concreto, sin dudas, ejemplos, que ilustran mejor que nada el concepto de heurstica.
Como buena disciplina cientfica, la Heurstica es plausible de ser aplicada a cualquier ciencia,
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 3 HEURSTICA incluyendo la elaboracin de medios auxiliares, reglas, principios, estrategias, programas, entre otros, que faciliten distintas alternativas para la solucin de los problemas.
El mtodo Heurstico, entonces, est compuesto por los siguientes elementos: principios (sugerencias para hallar la solucin: analoga y reduccin); reglas (ayudan a encontrar los medios para resolver los problemas, entre las ms empleadas se cuentan: separar lo dado de aquello buscado, confeccin de mapas, esquemas, utilizacin de nmeros, reformulacin de problemas) y estrategias (recursos organizativos funcionales al proceso de resolucin, pueden ser de dos tipos: el trabajo hacia delante o el trabajo hacia atrs).
En el mbito de la Psicologa, la heurstica se encuentra estrictamente relacionada a la creatividad y se dice que la misma es fundamental a la hora de orientar en la toma de decisiones y para explicar cmo se llega a un juicio o a la solucin de un problema determinado. Suele estar asociada a lo que en este contexto se denomina atajo mental. Uno de los tipos de atajo ms comunes es el del estereotipo, se juzga a un individuo en relacin, por ejemplo, del grupo social al cual pertenece, aunque claro, esta cuestin puede hacernos incurrir en errores o interpretaciones incorrectas.
3.) INTRODUCCIN A LOS PROCESOS HEURSTICOS. Los mtodos heursticos son estrategias generales de resolucin y reglas de decisin utilizadas por los que desean solucionar problemas, basadas en la experiencia previa con problemas similares. Estas estrategias indican las vas o posibles enfoques a seguir para alcanzar una solucin.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 4 HEURSTICA
Los mtodos heursticos pueden variar en el grado de generalidad. Algunos son muy generales y se pueden aplicar a una gran variedad de dominios, otros pueden ser ms especficos y se limitan a un rea particular del conocimiento.
3.1.) Los Procedimientos Heursticos. Son formas de trabajo y de pensamiento que apoyan la realizacin consciente de actividades mentales exigentes. Los Procedimientos Heursticos como Mtodo cientfico pueden dividirse en principios, reglas y estrategias.
Principios Heursticos. Constituyen sugerencias para encontrar (directamente) la idea de solucin; posibilita determinar, por tanto, a la vez, los medios y la va de solucin. Dentro de estos principios se destacan la analoga y la reduccin.
3.2.) REGLAS HEURSTICAS. Reglas Heursticas: actan como impulsos generales dentro del proceso de bsqueda y ayudan a encontrar, especialmente, los medios para resolver los problemas. Las Reglas Heursticas que ms se emplean son: Separar lo dado de lo buscado. Confeccionar figuras de anlisis: esquemas, tablas, mapas, etc.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 5 HEURSTICA Representar magnitudes dadas y buscadas con variables. Determinar si se tienen frmulas adecuadas. Utilizar nmeros (estructuras ms simples) en lugar de datos. Reformular el problema.
3.3.) ESTRATEGIAS HEURSTICAS.
Estrategias Heursticas: se comportan como recursos organizativos del proceso de resolucin, que contribuyen especialmente a determinar la va de solucin del problema abordado. Existen dos estrategias:
El trabajo hacia adelante: se parte de lo dado para realizar las reflexiones que han de conducir a la solucin del problema.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 6 HEURSTICA El trabajo hacia atrs: se examina primeramente lo que se busca y, apoyndose de los conocimientos que se tienen, se analizan posibles resultados intermedios de lo que se puede deducir lo buscado, hasta llegar a los dados.
4.) MTODOS HEURSTICOS DE SOLUCIN Dadas las desventajas del mtodo de Wagner-Whitiny la relativa complejidad de los modelos de programacin matemtica, es muy til describir algunas tcnicas heursticas que han demostrado alta eficiencia y eficacia en la solucin de problemas prcticos de inventarios con demanda variable con el tiempo.
Un mtodo heurstico resulta ser un enfoque que aprovecha la estructura del problema. Mediante el uso de un conjunto de reglas racionales, obteniendo una solucin buena, es decir cercana a la ptima o en ocasiones la ptima.
Los mtodos heursticos se usan cuando no es posible o no es computacionalmente factible obtener el ptimo. Se presentan 3 enfoques heursticos. SILVER-MEAL SM COSTO UNITARIO MNIMO CUM BALANCEO DE PARTE DEL PERIODO BPF.
4.1.) El heurstico de Silver-Meal Este mtodo fue desarrollado por Silvery Meal (1973) y ha demostrado un funcionamiento satisfactorio cuando el patrn de demanda es muy variable, es decir; cuando el mtodo del lote econmico de pedido y otros mtodos heursticos no producen buenos
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 7 HEURSTICA resultados. El criterio bsico de este mtodo es el de minimizar los costos de ordenamiento y mantenimiento del inventario por unidad de tiempo. Como antes, las cantidades de pedido estn restringidas a lo necesario para cubrir un nmero entero de perodos.
Sea TRC(T) el costo total relevante asociado con un pedido que dura T perodos. El costo total relevante por unidad de tiempo, TRCUT(T), ser entonces RC(T)/T, o ms precisamente:
El mtodo inicia con el perodo 1, para el cual TRC(1)/1 =A/1 =A; contina con el perodo 2, para el cual TRC(2)/2= [A+D 2 vr(1)]/2; luego, con el perodo 3, para el cualTRC(3)/3 = [A+D 2 vr(2) +D 3 vr(1)]/3; y as sucesivamente hasta que se observe que el costo por unidad de tiempo se incrementa de un perodo a otro. En este momento se para el proceso y se define la cantidad a ordenar en el perodo 1 igual a la suma de las demandas de los perodos para los cuales no se increment el costo total relevante por unidad de tiempo. El proceso comienza de nuevo a partir del perodo T para el cual se increment el TRC (T) T por primera vez, y se contina de esta manera hasta el final del horizonte de planeacin. Este mtodo no garantiza la optimizacin porque puede verse atrapado en un mnimo local, pero ha demostrado tener muy buenos resultados en la prctica
En el siguiente ejemplo se debe comprobar que el algoritmo de Silver-Meal produce la solucin ptima.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 8 HEURSTICA
Como puede observarse, el primer perodo para el cual el costo total relevante por unidad de tiempo se incrementa, es el mes 4. Por lo tanto, el mtodo nos sugiere ordenar en el mes 1la demanda correspondiente a los meses 1, 2 y 3. El proceso contina entonces a partir del mes 4. Se sugiere al lector completar los clculos hasta el mes 12, y comprobar lo expresado anteriormente en el sentido que este algoritmo produce la solucin ptima para este ejemplo.
Cuando la demanda no es muy variable, la diferencia entre los resultados de este mtodo y el del EOQ no difiere significativamente. Para determinar cuando utilizar uno u otro mtodo, recurdese el coeficiente VC definido anteriormente en la expresin (4.11). Se ha encontrado a travs de estudios experimentales lo siguiente: Si VC < 0.2, entonces puede utilizarse el mtodo del EOQ con la demanda promedio sobre el horizonte de planeacin, ya que produce buenos resultados. Si VC 0.2, entonces se sugiere utilizar el heurstico de Silver-Meal.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 9 HEURSTICA
Es importante notar que se ha encontrado que la aplicacin del heurstico de Silver-Meal en casos para los cuales el patrn de demanda decrece rpidamente con el tiempo a travs de varios perodos, o cuando existe un gran nmero de perodos con cero demanda, no ha producido buenos resultados. Para estos casos, por lo tanto, sera recomendable utilizar el mtodo de Wagner-Whitin o el de modelacin matemtica.
El manejo de descuentos por cantidad Una extensin importante del heurstico de Silver-Meal es la de permitir el manejo de descuentos por cantidad. Considrese, el ejemplo, donde el valor unitario del tem bajo consideracin viene dado por:
En este caso, no necesariamente debe ordenarse una cantidad para cubrir los requerimientos de un nmero entero de perodos, ya que es posible que la mejor poltica sea ordenar una cantidad igual al punto de quiebre, Q 1 , la cual no necesariamente cubre una cantidad entera de perodos. Lamarre y Baier (1981) desarrollaron una variante del algoritmo de Silver-Meal para tener en cuenta esta consideracin, a travs de extensiva experimentacin. Sea T 1 el nmero de perodos (no necesariamente entero) que podra cubrir la cantidad Q 1 . Se calcula entonces los costos totales por unidad de tiempo para T 1 , o sea:
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 10 HEURSTICA
Donde [T 1 ] es la parte entera de T 1 (por ejemplo, si T 1 = 4.6, entonces [T 1 ] = 4) y d es la fraccin de descuento obtenida por cantidades iguales o superiores aQ 1 . Igualmente, deben calcularse los costos por unidad de tiempo para cantidades enteras de T, de acuerdo con las siguientes expresiones
5.) APLICACIONES DE HEURSTICA EN LA CIENCIA.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 11 HEURSTICA Como disciplina cientfica, la heurstica es aplicable a cualquier ciencia e incluye la elaboracin de medios auxiliares, principios, reglas, estrategias y programas que faciliten la bsqueda de vas de solucin a problemas; o sea, para resolver tareas de cualquier tipo para las que no se cuente con un procedimiento algortmico de solucin. Los Procedimientos Heursticos como Mtodo cientfico pueden dividirse en principios, reglas y estrategias. Principios Heursticos: constituyen sugerencias para encontrar (directamente) la idea de solucin; posibilita determinar, por tanto, a la vez, los medios y la va de solucin. Dentro de estos principios se destacan la analoga y la reduccin. Reglas Heursticas: actan como impulsos generales dentro del proceso de bsqueda y ayudan a encontrar, especialmente, los medios para resolver los problemas.
Ejemplo Los mtodos de bsqueda heurstica disponen de alguna informacin sobre la proximidad de cada estado a un estado objetivo, lo que permite explorar en primer lugar los caminos ms prometedores.
Son caractersticas de los mtodos heursticos: No garantizan que se encuentre una solucin, aunque existan soluciones. Si encuentran una solucin, no se asegura que sta tenga las mejores propiedades (que sean de longitud mnima o de coste ptimo). En algunas ocasiones (que, en general, no se podrn determinar a priori), encontrarn una solucin (aceptablemente buena) en un tiempo razonable.
Actividad: Problema de Guarini (1512). En el siguiente tablero 3x3 intercambiar la posicin de los caballos blancos y negros en el menor nmero de movimientos.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 12 HEURSTICA
Actividad: Se trata de girar los caballos alrededor del tablero en la misma direccin. Como en cada fase se mueven los 4 caballos, hacen falta 16 movimientos.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 13 HEURSTICA
5.1) LA HEURSTICA EN LA INFORMTICA En computacin, dos objetivos fundamentales son encontrar algoritmos con buenos tiempos de ejecucin y buenas soluciones, usualmente las ptimas. Una heurstica es un algoritmo que abandona uno o ambos objetivos; por ejemplo, normalmente encuentran buenas soluciones, aunque no hay pruebas de que la solucin no pueda ser arbitrariamente errnea en algunos casos; o se ejecuta razonablemente rpido, aunque no existe tampoco prueba de que siempre ser as. Las heursticas generalmente son usadas cuando no existe una solucin ptima bajo las restricciones dadas (tiempo, espacio, etc.), o cuando no existe del todo.
A menudo, pueden encontrarse instancias concretas del problema donde la heurstica producir resultados muy malos o se ejecutar muy lentamente. Aun as, estas instancias concretas pueden ser ignoradas porque no deberan ocurrir nunca en la prctica por ser de origen terico. Por tanto, el uso de heursticas es muy comn en el mundo real.
Heursticas para encontrar el camino ms corto. Para problemas de bsqueda del camino ms corto el trmino tiene un significado ms especfico. En este caso una heurstica es una funcin matemtica, h(n) definida en los nodos de un rbol de bsqueda , que sirve como una estimacin del coste del camino ms econmico de un nodo dado hasta el nodo objetivo. Las heursticas se usan en los algoritmos de bsqueda informada como la bsqueda egosta. La bsqueda egosta escoger el nodo que tiene el valor ms bajo en la funcin heurstica. A* expandir los nodos que tienen el valor ms bajo
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 14 HEURSTICA para g(n)+h(n), donde g(n) es el coste (exacto) del camino desde el estado inicial al nodo actual. Cuando h(n) es admisible, esto es si h(n) nunca sobrestima los costes de encontrar el objetivo; A* es probablemente ptimo.
Un problema clsico que usa heursticas es el puzzle-n. Contar el nmero de casillas mal colocadas y encontrar la suma de la distancia Manhattan entre cada bloque y su posicin al objetivo son heursticas usadas a menudo para este problema.
Efecto de las heursticas en el rendimiento computacional. En cualquier problema de bsqueda donde hay b opciones en cada nodo y una profundidad d al nodo objetivo, un algoritmo de bsqueda ingenuo deber buscar potencialmente entre b d nodos antes de encontrar la solucin. Las heursticas mejoran la eficiencia de los algoritmos de bsqueda reduciendo el factor de ramificacin de b a (idealmente) una constante b*.
Aunque cualquier heurstica admisible devolver una respuesta ptima, una heurstica que devuelve un factor de ramificacin ms bajo es computacionalmente ms eficiente para el problema en particular. Puede demostrarse que una heurstica h 2 (n) es mejor que otra h 1 (n), si h 2 (n) domina h1(n), esto quiere decir que h1(n)<h2(n) para todo n</h
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 15 HEURSTICA
Heursticas en la inteligencia artificial Muchos algoritmos en la inteligencia artificial son heursticos por naturaleza, o usan reglas heursticas. Un ejemplo reciente es SpamAssassin que usa una amplia variedad de reglas heursticas para determinar cuando un correo electrnico es spam. Cualquiera de las reglas usadas de forma independiente pueden llevar a errores de clasificacin, pero cuando se unen mltiples reglas heursticas, la solucin es ms robusta y creble. Esto se llama alta credibilidad en el reconocimiento de patrones (extrado de las estadsticas en las que se basa). Cuando se usa la palabra heurstica en el procesamiento del lenguaje basado en reglas, el reconocimiento de patrones o el procesamiento de imgenes, es usada para referirse a las reglas.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 16 HEURSTICA
6.) PARADIGMA HEURSTICO. Muchas de las tareas ms interesantes y difciles de programacin implican utilizar el ordenador para resolver problemas del tipo: "Cul es el camino ms corto?" "Listar todos los casos posibles", "Existe una disposicin de elementos que satisfaga?. Las caractersticas de estos problemas implica potencialmente una bsqueda exhaustiva de todas las posibles combinaciones de algn conjunto finito, que si no est controlado puede producir una "explosin combinatoria" (incremento exponencial del espacio de bsqueda con la dimensin del problema) imposible de tratar.
La Programacin Heurstica ha venido a significar el uso del conocimiento especfico del dominio para cubrir esta explosin de posibilidades guiando la bsqueda por las direcciones ms prometedoras. Se puede definir como "aquel tipo de programacin computacional que aplica para la resolucin de problemas reglas de buena lgica (reglas del pulgar). denominadas heursticas, las cuales proporcionan entre varios cursos de accin uno que presenta visos de ser el ms prometedor, pero no garantiza necesariamente el curso de accin ms efectivo."
La Programacin Heurstica implica una forma de modelizar el problema en lo que respecta a la representacin de su estructura, estrategias de bsqueda y mtodos de resolucin, que configuran el Paradigma Heurstico.
Este tipo de programacin se aplica con mayor intensidad en el campo de la Inteligencia
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 17 HEURSTICA Artificial (IA), y en especial, en el de la Ingeniera del Conocimiento, dado que el ser humano opera la mayor parte de las veces utilizando heursticas, un hecho cierto que una heurstica es la conclusin del razonamiento humano en un dominio especfico, por lo que es normal que este tipo de programacin que encuadrado en el rea de la I.A., ya que implementa el conocimiento humano, dado por la experiencia, utilizando reglas de buena lgica.
Como se ha sealado inicialmente, un paradigma de programacin es un modelo bsico de diseo e implementacin de programas. Un modelo que permite producir programas de acuerdo con una metodologa especfica. As, el paradigma de programacin estructurada se basa en estructuras modulares, con fuerte cohesin en el mdulo y bajo acoplamiento entre ellos, desarrollo "top-down", utilizacin de diagramas privilegiados, etc.
El Paradigma Heurstico define pues, un modelo de resolucin de problemas en el que se incorpora alguna componente heurstica sobre la base de:
Una representacin ms apropiada de la estructura del problema para su resolucin con tcnicas heursticas La utilizacin de mtodos de resolucin de problemas aplicando funciones de evaluacin con procedimientos especficos de bsqueda heurstica para la consecucin de las metas. Por otra parte, la Programacin Heurstica se presenta y utiliza desde diferentes puntos de vista.
Como tcnica de bsqueda para la obtencin de metas en problemas no algortmicos, o con algoritmos que generan explosin combinatoria (ej. damas. ajedrez, etc.).
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 18 HEURSTICA
En Herramientas Tratamiento fundamentalmente simblico, dado que la mayor parte de los problemas que precisan tratamiento heurstico tienen estructura simblica. Unidades funcionales autnomas que posibiliten modelar una heurstica y su mecanismo de ejecucin, definiendo mdulos independientes. Estructuras de datos que permitan describir estados de problemas y relaciones entre estados. Estructuras procedimentales de control y de proceso (o de definicin) que permitan la ejecucin coherente del modelo heurstico, y posibiliten la adquisicin y utilizacin del conocimiento adquirido en el proceso de resolucin del problema.
7.) PASOS DEL MTODO HEURSTICO 1.- Comprender el problema Es importante reflexionar en cuestiones como que se pide que se tiene y a donde se quiere llegar. Algunas preguntas que debemos hacernos: Cul es la incgnita? Es la condicin suficiente para determinar la incgnita? Es suficiente?
En la siguiente se muestran los siente puentes de Koninsberg Es posible hacer el recorrido sin pasar dos veces por el mismo puente?.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 19 HEURSTICA
2.-. Concebir un plan. Puedes usar la estrategia que creas conveniente. Cada quien puede establecer el camino o caminos a seguir. Algunas preguntas que debemos hacernos: Se ha encontrado con un problema semejante? Ha visto el mismo problema planteado en otra forma? Conoce problemas relacionados con este? Se podra utilizar el problema relacionado con este ya resuelto? Podra enunciar el problema en otra forma? Se necesita algn elemento auxiliar? Podra emplear su resultado y mtodo?
3.- Ejecutar el plan En la formacin de conceptos matemticos, se requiere emplear un pensamiento mvil y flexible, debemos ser capaces de encontrar distintos caminos, rodeos, asociaciones, para llegar a una solucin;
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 20 HEURSTICA retornar despus de un cambio al punto de partida. De esta forma debemos revisar lo que hemos hecho y de ser necesario anularlo previamente y entonces estructurar las relaciones de lo encontrado.
4.- Examinar la solucin obtenida.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 21 HEURSTICA Comprobar y examinar la solucin obtenida debemos hacernos las preguntas siguientes: Puede verificarse el resultado? Puede verificarse el razonamiento? Puede obtenerse el resultado en forma diferente? Puede verse de golpe? Puede emplearse el resultado o el mtodo en otro problema? La retrospectiva permite revisar como se pens inicialmente, como se encamino una estrategia, como e efectuaron los clculos; en fin, todo el camino recorrido para obtener la solucin.
En el problema de grafos que admiten un recorrido euleriano se tiene, que ocurre cuando se tienen al menos dos puntos a los que llegan un nmero par de lneas.
8.) CLASIFICACIN MTODOS HEURSTICOS Existen diferentes mtodos heursticos, esto est dado por su naturaleza compleja y variada, es difcil definir una clasificacin por esta razn ya que la mayora de ellos se construyen para un problema en particular, lo que significa que su aplicacin a otros problemas similares sea casi imposible.
El siguiente esquema muestra categoras ms amplia, no excluyentes, en donde se ubican a los mtodos heursticos ms conocidos. Mtodos de Descomposicin: el problema original se descompone en sub problemas ms sencillos de resolver. Mtodos Inductivos: es generalizar de de versiones ms pequeas a lo ms complejos. Mtodos de Reduccin: el objetivo es restringir el espacio de soluciones simplificando el problema.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 22 HEURSTICA Mtodos Constructivos: consisten en construir literalmente paso a paso la solucin del problema. Usualmente son mtodos deterministas y suelen estar basados en la mejor eleccin de cada iteracin. Mtodos de Bsqueda Local: a diferencia de los mtodos anteriores, el procedimiento de bsqueda o mejora local, comienza con una solucin del problema y la mejoran progresivamente, el mtodo finaliza cuando no existe ninguna solucin accesible que mejore la anterior.
Los mtodos constructivos y los de bsqueda local son la base de los mtodos Meta- heursticos
8.1.) MTODOS META-HEURSTICOS En las ltimas dcadas han aparecidos una serie de mtodos bajo el nombre de Meta- heursticos con el objetivo optar a mejores resultados que los mtodos heursticos tradicionales.
Los mtodos Meta-heursticos son estrategias para disear o mejorar procedimientos heursticos con miras a obtener un alto rendimiento de soluciones en dominios donde la ejecucin de procesos se vuelve compleja. Las meta-heurstica se aplican a problemas clasificados como NP-Hard, como tambin se aplican a problemas de combinatoria en los cuales existe una solucin de tiempo polinmico pero que no es prctica.
La Meta-heursticas se pueden clasificar como: Meta-heursticos constructivas: Este tipo de meta-heurstica va incorporando elementos a una estructura inicialmente vaca que representa la solucin.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 23 HEURSTICA Meta-heursticos evolutivas: Son mtodos que van construyendo un conjunto de soluciones a diferencia de los otros mtodos que solo pasan de una solucin a otra en cada iteracin. Meta-heursticos de bsqueda: Son mtodos que presuponen que existe una solucin y realizan procedimientos de bsqueda, la diferencia con los mtodos analticos es que no necesariamente se encontrar la solucin ptima.
8.2.) METODOLOGA BSQUEDA TAB o TAB SEARSH TS Es sabido que los humanos posee un mecanismo de intuicin que nos permite funcionar con un mnimo o nada de informacin, por lo general se introduce una variable aleatoria en nuestras decisiones lo cual promueve un nivel de inconsistencia en nuestro comportamiento, la tendencia de estos comportamiento suele encaminarnos a dos caminos los errores y a una buena solucin. La Bsqueda Tab quiere emular este comportamiento humano pero sin utilizar elementos aleatorios. De acuerdo a esto esta metodologa busca la mejor solucin posible de acuerdo al planteamiento del problema.
La Bsqueda Tab es un procedimiento de bsqueda que utiliza memoria adaptativa y un plan estratgico de resolucin de problemas, en lo medular este tipo de procedimiento meta- heurstico se basa en el aprovechamiento de diversas estrategias basadas en procedimiento de aprendizaje, en otras palabras, la Bsqueda Tab puede ser descrita como una bsqueda inteligente para dirigir el proceso de bsqueda lejos de las soluciones locales, de este modo encontrar mejores soluciones. La Bsqueda Tab mejora los mtodos locales de bsqueda usando estructuras de memoria. Una vez que la solucin potencial ha sido determinada sta es marcada como taboo (lista tab), as el algoritmo no visita una posibilidad iterativamente.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 24 HEURSTICA
Bsqueda Tab da origen al enfoque basado en memoria y estrategia intensiva, en la literatura de la meta-heurstica Bsqueda Tab esta en contraposicin con los mtodos que no tienen memoria o que slo usan una dbil memoria basada en herencia, tambin es responsable de enfatizar el uso de los diseos estructurados para explotar los patrones histricos de la bsqueda. Los principios fundamentales de la Bsqueda Tab fueron elaborados en una serie de artculos a finales de los aos 80 y principios de los 90, y han sido unificados en el libro Tab Search
La Bsqueda Tab estipula un procedimiento de bsqueda local para la bsqueda de la atomicidad global, su poltica se basa en un marco de memoria adaptativa. La Bsqueda Tab est basada en la premisa de que para clasificar un procedimiento de resolucin de problema como inteligente, es necesario que este incorpore Memoria Adaptativa y Exploracin Inteligente. La memoria adaptativa permite procedimientos capaces de realizar bsqueda en un espacio de soluciones eficaces y eficientes, debido a que las decisiones locales estn guiadas por la informacin obtenidas del proceso de bsqueda, la Bsqueda Tab se contrasta con procedimientos aleatorios que buscan un muestreo de la informacin.
El nfasis en la exploracin inteligente deriva de la estrategia, que una mala eleccin entrega ms informacin que una buena eleccin realizada al azar, debido a que una eleccin estrategia puede guiar a zonas ms prometedoras.
La arquitectura de la Bsqueda Tab funciona mediante referencia a cuatro dimensiones principales, consistentes en la propiedad de ser residente, en frecuencia, en calidad y en influencia. Las memorias basadas en lo reciente y en frecuencia se complementan la una a la
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 25 HEURSTICA otra para lograr el balance entre intensificacin y diversificacin, la dimensin de calidad hace referencia habilidad para diferenciar la bondad de las soluciones visitadas a lo largo del proceso de bsqueda. La flexibilidad de las estructuras de memorias mencionadas hasta este momento gua la bsqueda en un entorno multi-objetivo, dado que determinan la bondad de bsqueda particular mediante ms de una funcin. La memoria referida a la influencia considera el impacto a la calidad de las decisiones tomadas durante la bsqueda, no slo en lo referente a la calidad de las soluciones si no tambin referente a las mimas.
Dentro de la memoria del procedimiento de Bsqueda Tab se almacenan las soluciones completas, soluciones que fueron visitadas durante la bsqueda y otro segmento de memoria almacena informacin sobre determinados atributos de las soluciones que cambian al pasar por una solucin a otra. De cualquier manera estos segmentos de memoria son complementarios, puesto que uno permite expandir los entornos de bsqueda usados durante un proceso de bsqueda local mediante la inclusin de soluciones superiores mientras que el otro segmento reduce determinados movimientos sobre las soluciones ya buscadas.
En la Bsqueda Tab, tienen estrategias de intensificacin y diversificacin las cuales constituyen dos elementos importantes ya que se encargan de la modificacin de las reglas para favorecer la eleccin de buenas combinaciones de movimientos y de caractersticas de soluciones encontradas, adems por otro lado tratan de conducir la bsqueda a zonas del espacio de soluciones no visitadas anteriormente y generar nuevas soluciones que difieran significativamente de las ya evaluadas. Los componentes bsicos de la Bsqueda Tab son: el entorno, la lista tab, el criterio de aspiracin y el criterio de parada. De lo anterior el proceso interno de la Bsqueda Tab se puede resumir del siguiente modo:
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 26 HEURSTICA Mientras el criterio de parada sea falso - Generar lista de candidatos de movimientos-vecinos - Escoger el mejor vecino no tab o que verifique el criterio de aspiracin x - Actualizar la solucin actual, x=x Salida: la mejor solucin encontrada. Un ejemplo clsico son las permutaciones, que son ejemplos tpicos de optimizacin, los ejemplos ms citados de problemas de permutaciones incluyen el problema del viajante de comercio, asignacin cuadrtica, secuenciacin de la produccin, asignacin de tareas.
Un ejemplo es la permutacin de tareas de una maquina en donde se persigue el objetivo de minimizar el retraso total de en la ejecucin de las tareas, secuenciando las tareas de esta, en este ejemplo la solucin inicial se basa en encontrar una permutacin de las tareas lo ms cercana a la ptima, la Bsqueda Tab funciona bajo el supuesto que se puede construir un entorno para identificar soluciones adyacentes que puedan ser alcanzadas bajo la solucin actual. Para este caso los intercambios de tareas son frecuentemente usados para definir entornos de permutaciones, identificando movimientos que conducen a una solucin a la siguiente. Los movimientos proporcionan una base fundamental para evaluar la calidad de los mismos, teniendo encuentra que otros criterios pueden ser importantes. Un mecanismo de Bsqueda Tab es clasificar un conjunto de movimientos que se marcaran como tab o prohibidos, esta clasificacin depende la bsqueda determinada por los recientes o frecuentes que ciertos movimientos o componentes de soluciones, llamados atributos que han participado en la generacin de soluciones pasadas, por ejemplo en el Cuadro 1 muestra el intercambio de tareas con un mismo movimiento identificando el par de movimientos como idnticos, de esta forma se busca evitar movimientos de bsqueda repetidos.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 27 HEURSTICA
Para el caso anterior las tareas enumeras 2 y 5 se resuelven como pares ordenados (2,5) por tanto la permutacin de (5,2) debe llevar al mismo valor de bsqueda de una solucin como en par de (2,5). De esta forma se clasifica como tab el par (5,2).
Bsqueda Tab puede ser convenientemente caracterizado en su bsqueda por entorno (Glover & Batista, 1986), es decir una bsqueda en el entorno identifica para cada solucin x X, un conjunto asociados de vecinos N(x) X llamado entorno de x, los entornos se asumen simtricos, es decir x' es un vecino de x y slo si x es un vecino de x'.
Un vecino es un posible movimiento, el cual consiste en cambiar un atributo a la solucin actual por otro y el vecindario consiste en los vecinos que se pueden acceder desde una solucin X en particular.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 28 HEURSTICA
Los pasos de bsqueda por entorno se muestran a continuacin:
Paso 1 (Inicializacin). (A) Seleccionar una solucin de arranque xActual X. (B) Almacenar la mejor solucin actual conocida haciendo xMejor = xActual y definiendo MejorCoste = c(xMejor). Paso 2 (Eleccin y finalizacin). Elegir una solucion xSiguiente 2 N(xActual). Si los criterios de eleccin empleados no pueden ser satisfechos por ningn miembro de N(xActual), o si se aplican otros criterios de parada, entonces el mtodo para. Paso 3 (Actualizacin). Rehacer xActual = xSi
El mtodo de bsqueda en el entorno puede ser alterado fcilmente aadiendo provisiones especiales para generar una variedad de procedimientos clsicos.
La Bsqueda Tab, emplea una filosofa diferente a otros mtodos heursticos para ir ms all del criterio de finalizar en un ptimo local. Se reduce el nfasis en que sea aleatorio y generalmente se usa en un modo altamente restringido, con el supuesto de que la bsqueda inteligente debera estar basada en formas ms sistemticas de direccin. Por consiguiente, muchas implementaciones de Bsqueda Tab son en gran parte deterministas, es decir, la Bsqueda Tab determinstica selecciona movimientos segn probabilidades basadas en el estado y en las evaluaciones asignadas a estos movimientos por los principios bsicos de la Bsqueda Tab.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 29 HEURSTICA
En Conclusin, la Bsqueda Tab se fundamenta en tres premisas: 1. El uso de estructuras flexibles de memorias basadas en atributos, diseadas para permitir una mejor explotacin de los criterios de evaluacin e informacin histrica de la bsqueda. 2. Un mecanismo de control, para emplear las estructuras de memoria, este mecanismo se basar en la interaccin entre las condiciones que limitan y hacen ms flexibles el procesos de bsqueda. Este mecanismo se encuentra inmerso en la tcnica en la forma de restricciones y criterios de aspiracin (criterio que permite que un movimiento pierda el estatus de tab debido que proporciona una mejor solucin que la actual).
3. La incorporacin de memorias, memorias de corto y largo plazo, para implementar estrategias que intensifiquen la bsqueda y la diversifiquen, las estrategias de intensificacin refuerzan las propiedades de las combinaciones de movimiento que han demostrado ser buenas, mientras que las estrategias de diversificacin dirigen la bsqueda hacia nuevas regiones del espacio de soluciones factibles. Estos dos mecanismos evitan que una solucin quede en un ptimo local, es decir, el primer mecanismo nos permite delimitar la regin del espacio de bsqueda, mientras que la segunda permite saltar a nuevas regiones del mismo.
Esta metodologa parte de la premisa que ya hay una solucin dada o se busca una al azar, de este modo se trabaja sobre una solucin dada aunque esta no sea ptima.
Llevando el anlisis terico de la metodologa al problema de asignacin de salas se puede observar que esta metodologa puede encontrar soluciones factibles de considerar buenas, s consideramos no aplicar ninguna restriccin al hacer el proceso de bsqueda y
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 30 HEURSTICA asignacin, de otro modo este mtodo puede transformarse en algo inmanejable debido a que tendra que integrar las restricciones y requerimientos propios de una distribucin de cursos a las salas de clases.
8.3.) METODOLOGA PROCEDIMIENTO DE BSQUEDA BASADOS EN FUNCIONES GREEDY ALEATORIZADAS ADAPTATIVAS. GRASP La metodologa GRASP fue desarrollada al final de la dcada de los 80 con el objetivo inicial de resolver problemas de cubrimientos de conjuntos (Feo & Resende, A probabilistic heuristic for a computationally difficult set covering problem., 1989) esta metodologa ha sido uno de los mtodos meta-heursticos ms exitosos de los ltimos aos. El trmino GRASP fue introducido por Feo y Resende en 1995 (Feo & Resende, Greedy randomized adaptive search procedures, 1995) como una nueva tcnica meta-heurstica de propsito general. GRASP es el acrnimo de Greedy Randomized Adaptive Search Procedure que significa Procedimiento de Bsqueda Basados en Funciones Greedy Aleatorizadas Adaptativas.
Al definir la metodologa GRASP es conveniente que podamos relacionarlo a otros mtodos, dentro del conjunto de las meta-heursticas para entender su procedimiento, lo ms similar a este mtodo sea referirse al mtodo Multi-start el cual consiste en generar mltiples soluciones inciales aleatorias de tal forma que a cada una de ellas se le pueda aplicar una bsqueda local. Pues bien, GRASP es similar salvo que las soluciones sobre las que se aplica la bsqueda local no son completamente aleatorias, tienen un componente de aleatoriedad el cual est controlado y enmarcado dentro de un proceso constructivo. As pues, GRASP consiste en repetir mltiples veces un esquema de dos fases: construir una solucin y aplicarle bsqueda
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 31 HEURSTICA local. La segunda fase (bsqueda local) se puede aplicar una bsqueda local convencional (o incluso una Bsqueda en Vecindad Variables, VNS, si se desea).
Entonces GRASP consiste de dos fases: la constructiva donde se produce una solucin factible, aunque no necesariamente es ptima y la segunda fase es una bsqueda local, en la cual se examinan vecindades de la solucin de la fase anterior, esta fase usa la solucin inicial como punto de partida de la fase de bsqueda local.
8.4.) ALGORITMOS GENTICOS (AGS) Los algoritmos genticos caen dentro de los mtodos evolutivos debido a que estos estn basados en poblaciones de soluciones a diferencia de los mtodos basados en el seguimiento de trayectorias. Esta tcnica de algoritmo evolutivo se puede clasificar en tres categoras principales: Algoritmo Genticos (AG), Estrategias Evolutivas (EE) y la programacin Evolutiva (PE). Todas estas estrategias se basan en un en un esquema comn que es la generacin de un conjunto de elementos llamados poblacin inicial (conjunto de soluciones), esta poblacin inicial es sometida a una serie de transformaciones que da lugar a una nueva
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 32 HEURSTICA poblacin de soluciones, de esto se valora la adaptabilidad al medio de cada una de estas soluciones, de esto se desprende que la eleccin de los mejores individuos o soluciones para conformar la siguiente generacin, este proceso se repite un nmero determinado de veces (ciclos) esperando que los individuos de la poblacin haya evolucionado hacia una mejor adaptacin al medio.
Las diferencias fundamentales entre cada una de las tcnicas antes mencionadas radica en los tipo de alteraciones que se realizan en las soluciones para obtener nuevos individuos y en los mtodos empleados para la seleccin de la nueva generacin.
En los aos 1970, de la mano de John Henry Holland, surgi una de las lneas ms prometedoras de la inteligencia artificial, la de los Algoritmos Genticos (AG), son llamados as porque se inspiran en la evolucin biolgica y su base gentico molecular. Estos algoritmos hacen evolucionar una poblacin de individuos sometindola a acciones aleatorias semejantes a las que actan en la evolucin biolgica (mutaciones y recombinaciones genticas), as como tambin a una seleccin de acuerdo con algn criterio, en funcin del cual se decide cules son los individuos ms adaptados, que sobreviven, y cules los menos aptos, que son descartados. Tambin este algoritmo es denominado algoritmo evolutivo e incluye las estrategias de evolucin, la programacin evolutiva y la programacin gentica.
Los Algoritmos genticos ocupan un lugar determinante dentro de la Programacin Evolutiva debido a: Son flexibles y adaptables a una gran cantidad de problemas diferentes y distintas reas, este algoritmo permite ser combinado con otros tcnicas diferentes aunque no sean evolutivas.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 33 HEURSTICA Los algoritmos genticos tienen una mejor base terica. Poseen una gran versatilidad ya que no necesitan mayor conocimientos especficos del problema para su resolucin.
Los Algoritmos Genticos (AGs) son mtodos adaptativos que pueden usarse para resolver problemas de bsqueda y optimizacin. Un algoritmo gentico consiste en una funcin matemtica o una rutina de software que toma como entradas una poblacin de ejemplares y retorna como salidas cules de ellos deben generar descendencia para la nueva generacin. Versiones ms complejas de algoritmos genticos generan un ciclo iterativo que directamente toma a la especie (el total de los ejemplares) y crea una nueva generacin que reemplaza a la antigua una cantidad de veces determinada por su propio diseo. Una de sus caractersticas principales es la de ir perfeccionando su propia heurstica en el proceso de ejecucin, por lo que no requiere largos perodos de entrenamiento especializado por parte del ser humano, principal defecto de otros mtodos para solucionar problemas, como los Sistemas Expertos.
Los Algoritmos Genticos trabajan con una poblacin de individuos, cada uno de los cuales representa una solucin factible a un problema dado. A cada individuo se le asigna un valor puntuacin, relacionado con la bondad de dicha solucin. En la naturaleza esto equivaldra al grado de efectividad de un organismo para competir por unos determinados recursos. Cuanto mayor sea la adaptacin de un individuo al problema, mayor ser la probabilidad de que el mismo sea seleccionado para reproducirse, cruzando su material gentico con otro individuo seleccionado de igual forma. Este cruce producir nuevos individuos, descendientes de los anteriores, los cuales comparten algunas de las caractersticas de sus padres. Cuanto menor sea la adaptacin de un individuo, menor ser la probabilidad de
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 34 HEURSTICA que dicho individuo sea seleccionado para la reproduccin, y por tanto de que su material gentico se propague en sucesivas generaciones.
De esta manera se produce una nueva poblacin de posibles soluciones, la cual reemplaza a la anterior y verifica la interesante propiedad de que contiene una mayor proporcin de buenas caractersticas en comparacin con la poblacin anterior. Si el Algoritmo Gentico ha sido bien diseado, la poblacin converger hacia una solucin ptima del problema.
El poder del Algoritmo Gentico proviene del hecho de una tcnica robusta y pueden tratar una gran variedad de problemas provenientes de diferentes reas, sin embargo esto no garantiza una solucin ptima del problema, si existe evidencia emprica de que se encuentran soluciones aceptables en un tiempo competitivo con el resto de los algoritmos de optimizacin combinatoria.
Los componentes bsicos de un algoritmo gentico son: Operadores genticos (mutacin y cruzamiento). Una representacin apropiada del problema a resolver. Una funcin de oportunidad o bien llamada de Aptitud. Un procedimiento de inicializacin.
El Algoritmo Gentico en su versin ms bsica, necesita una codificacin o representacin del problema, que resulte adecuada al mismo. Adems se requiere una funcin de ajuste o adaptacin al problema, la cual asigna un nmero real a cada posible solucin codificada. Durante la ejecucin del algoritmo, los padres deben ser seleccionados para la reproduccin, a continuacin dichos padres seleccionados se cruzaran generando dos hijos,
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 35 HEURSTICA sobre cada uno de los cuales actuara un operador de mutacin. El resultado de la combinacin de las anteriores funciones ser un conjunto de individuos (posibles soluciones al problema), los cuales en la evolucin del Algoritmo Gentico formaran parte de la siguiente poblacin.
A continuacin se muestra cdigo algortmico gentico bsico:
En la codificacin del algoritmo gentico supone que los individuos (posibles soluciones al problema) pueden representarse como un conjunto de parmetros utilizando una codificacin binaria de 0 y 1 los cuales agrupados forman una lista de valores. Si bien el alfabeto utilizado para representar los individuos no debe necesariamente estar constituido por el (0; 1), buena parte de la teora en la que se fundamentan los Algoritmos Genticos utiliza dicho alfabeto.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 36 HEURSTICA Un punto importante dentro del Algoritmo gentico es la adaptacin de un individuo el cul depender de su genotipo, la cual puede inferirse a partir del fenotipo, es decir, puede ser computada usando una funcin de evaluacin. La funcin de adaptacin debe ser diseada para cada problema de manera especfica asignando un nmero real, que se supone refleja el nivel de adaptacin al problema del individuo.
En la siguiente figura se ve reflejado un esquema general del algoritmo gentico, donde en la fase reproductiva se seleccionan los individuos de la poblacin para cruzarse y producir descendientes, que constituirn, una vez mutados, la siguiente generacin de individuos.
La seleccin de padres se efecta al azar usando un procedimiento que favorezca a los individuos mejor adaptados, ya que a cada individuo se le asigna una probabilidad de ser seleccionado que es proporcional a su funcin de adaptacin. Este procedimiento se dice que est basado en la ruleta sesgada. Segn dicho esquema, los individuos bien adaptados se
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 37 HEURSTICA escogern probablemente varias veces por generacin, mientras que los pobremente adaptados al problema, no se escogern ms que de vez en cuando.
Una vez seleccionados dos padres, sus cromosomas se combinan, utilizando habitualmente los operadores de cruce y mutacin. Las formas bsicas de dichos operadores se describen a continuacin.
El operador de cruce, coge dos padres seleccionados y corta sus conjuntos de cromosomas en una posicin escogida al azar, para producir dos subconjuntos iniciales. Despus se intercambian las subconjunto iniciales, producindose dos nuevos cromosomas completos. Ambos descendientes heredan genes de cada uno de los padres. Este operador se conoce como operador de cruce basado en un punto. Habitualmente el operador de cruce no se aplica a todos los pares de individuos que han sido seleccionados para emparejarse, sino que se aplica de manera aleatoria, normalmente con una probabilidad comprendida entre 0.5 y 1.0.
8.5.) SISTEMAS BASADOS EN EL CONOCIMIENTO (SBC) Un sistema basado en el conocimiento es aquel que basa la solucin de un problema en el conocimiento experto humano. Los sistemas basados en el conocimiento (SBC) son parte del rea de la inteligencia Artificial IA que es una rama de la informtica, estos sistemas imitan las actividades de un ser humano para la solucin de un problema utilizando para ello el conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (informacin sobre el seguimiento de una accin) mientras operan y se adaptan a dominios dinmicos e inciertos que no estn completamente especificados.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 38 HEURSTICA La IA est dividida en una serie de reas de investigacin, cada una con propsitos especficos que permite contribuir e un propsito de un objetivo general. Entre estos estn las redes neuronales, procesamiento del lenguaje natural, robtica y sistemas basados en el conocimiento.
Los Sistemas Basados en el Conocimiento (SBC) tratan problemas complejos en rea o dominio este sistema intenta imitar el comportamiento que podra tener un experto humano en dominio del problema, ante los cual los SBC tienen metodologas que intentan reflejar el conocimiento y el razonamiento que posee el experto para tomar decisiones ente una situacin puntual. Dentro de estas metodologas se encuentran los Sistemas Expertos SE estos nacieron en la dcada de los 60, durante esta dcada los investigadores Alan Newell y Herbert Simon desarrollaron un programa llamado GPS (General Problem Solver; solucionador general de problemas), los SE son representativos de los SBC debido a su calidad y cantidad de conocimiento que manejan en relacin al experto humano.
Dentro de la definicin de un SE tiene varias acepciones dentro de las cuales encontramos las siguientes: Es un software que imita el comportamiento de un experto humano en la solucin de un problema. Pueden almacenar conocimientos de expertos para un campo determinado y solucionar un problema mediante deduccin lgica de conclusiones. Programas que manipulan conocimiento codificado para resolver problemas en un dominio especializado, en un dominio que generalmente requiere de experiencia humana Programas que contienen tanto conocimiento declarativo (hechos a cerca de objetos, eventos y/o situaciones) como conocimiento de control (informacin acerca de los cursos de
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 39 HEURSTICA una accin), para emular el proceso de razonamiento de los expertos humanos en un dominio en particular y/o rea de experiencia. Software que incorpora conocimiento de experto sobre un dominio de aplicacin dado, de manera que es capaz de resolver problemas de relativa dificultad y apoyar la toma de decisiones inteligentes en base a un proceso de razonamiento simblico.27
Estas definiciones no son exclusivas una de otras sino que pueden conjugarse para hacer una sola y tener ms claro cul es el comportamiento de un SE.
Los SBC se aplican por lo general, en problemas que implican procedimientos basados en heurstica, es decir un procedimiento de solucin que utiliza estructuras que contienen conocimiento y experiencia de los expertos humanos, deduccin lgica de conclusiones, capacidad de interpretar informacin ambigua y manipulacin del conocimiento afectados por datos de poca fiabilidad y evento probabilstico.
Arquitectura general de SBC
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 40 HEURSTICA
9.) Ejemplos de heursticas La vida cotidiana nos presenta distintas situaciones que nos llevan a reflexionar y a generar cierta soluciones para sortear y superar estos problemas.
Comnmente, situaciones aunque parezcan simples, nos llevan a enfrentar una problemtica interesante que desafa nuestra inteligencia y capacidad imaginativa para resolver cualquier adversidad
Aqu hay unos ejemplos de ciertos problemas que de alguna manera su solucin ha ayudado a resolver situaciones aun ms complejas
9.1.) 8 REINAS. El problema de las 8 reinas fue propuesto por el ajedrecista alemn Max Bezzel en el ao 1848. Consiste en la manera de situar 8 reinas en un tablero de ajedrez, sin que puedan "amenazarse", es decir, que ninguna est en la misma fila, columna o diagonal que la otra. Es interesante estudiar esta problemtica que ha sido resuelta de varias maneras, pero siempre con una premisa por delante, usar una estrategia heurstica para resolverla. La formula mas comn consiste en el Back Tracking. Este procedimiento consiste en ir ubicando las piezas recordando la posicin de las anteriores. Si por algn motivo una no puede ser ubicada, volver hacia movimientos anteriores para seguir tratando por otro camino
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 41 HEURSTICA
9.2.) PROBLEMA A* Desde siempre hemos tratado de resolver de mejor manera un problema tan comn como un laberinto. La idea es que dado un par de puntos dentro de un lugar, buscar el camino ms corto entre ellos. Al ser una bsqueda por amplitud, el algoritmo A* es un algoritmo completo, es decir, si existe una solucin, el algoritmo la encontrar. La forma en que se modela la solucin es a travs de un grafo en donde cada nodo es una posicin valida dentro del espacio. La funcin que se evala es de la forma F(n) = g(n) + h'(n), en donde g(n) representa el costo total del recorrido antes de llegar al nodo n y h'(n) es el costo heurstico del nodo a evaluar.
9.3.) VENDEDOR VIAJERO. Este es la problemtica ms cotidiana y ms complicada de solucionar dentro de los problemas logsticos para cualquier empresa. Cual es la manera optima para repartir o recorrer ciertos lugares de la manera ms rpida y menos costosa? Esta problemtica pertenece a la categora de NP - Completo, por ende, no posee una solucin polinomial optima. Existen aproximaciones heursticas para esto, que llegan a buenos resultados, pero no podemos tener la certeza de que sean ptimos.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 42 HEURSTICA Una solucin intuitiva para resolver esto sera evaluar cada una de las opciones, pero a travs de un clculo simple podemos darnos cuenta que este proceso es una permutacin de todos los nodos y la complejidad de esto es de n!, lo que si utilizramos 8 nodos, ya tenemos que evaluar ms de 40000 posibilidades. Con 20 o ms, ya se hace prcticamente imposible manejar esta cantidad de datos manualmente. Incluso a travs de una computadora, necesitamos bastante tiempo y capacidad de procesamiento para calcular estas posibilidades
Para modelar este problema se utiliza un grafo multidireccional, con un peso o costo o determinado entre cada nodo
Aqu podemos ver 4 destinos y la oficina principal, con el costo asociado a cada camino. Para resolver esta situacin utilizaremos un software muy usado en temas de estadstica y clculos numricos, llamado WINQSB.
Para esto, creamos la matriz de adyacencia de este grafo
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 43 HEURSTICA
La forma en que calculara la solucin es buscando todos los ciclos posibles para este grafo y retornara el resultado menos, es decir, el menos costoso.
Luego de calcular, el programa nos retorna la siguiente informacin
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 44 HEURSTICA
El recorrido optimo seria entonces Oficina Central - Lugar 3 - Lugar 4 - lugar 2 - Lugar 1 - Oficina central. El costo total del ciclo es de 195. Grficamente, el camino se ve as
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 45 HEURSTICA 9.4.) Bsqueda en anchura.
En Ciencias de la Computacin, Bsqueda en anchura (en ingls BFS - Breadth First Search) es un algoritmo para recorrer o buscar elementos en un grafo (usado frecuentemente sobre rboles). Intuitivamente, se comienza en la raz (eligiendo algn nodo como elemento raz en el caso de un grafo) y se exploran todos los vecinos de este nodo. A continuacin para cada uno de los vecinos se exploran sus respectivos vecinos adyacentes, y as hasta que se recorra todo el rbol.
Formalmente, BFS es un algoritmo de bsqueda sin informacin, que expande y examina todos los nodos de un rbol sistemticamente para buscar una solucin. El algoritmo no usa ninguna estrategia heurstica.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 46 HEURSTICA Si las aristas tienen pesos negativos aplicaremos el algoritmo de Bellman-Ford en alguna de sus dos versiones.
Procedimiento Dado un vrtice fuente s, Breadth-first search sistemticamente explora los vrtices de G para descubrir todos los vrtices alcanzables desde s. Calcula la distancia (menor nmero de vrtices) desde s a todos los vrtices alcanzables. Despus produce un rbol BF con raz en s y que contiene a todos los vrtices alcanzables. El camino desde s a cada vrtice en este recorrido contiene el mnimo nmero de vrtice. Es el camino ms corto medido en nmero de vrtices. Su nombre se debe a que expande uniformemente la frontera entre lo descubierto y lo no descubierto. Llega a los nodos de distancia k, slo tras haber llegado a todos los nodos a distancia k-1.
Pseudocdigo La nomenclatura adicional utilizada es: Q = Estructura de datos cola.
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 47 HEURSTICA
Elaborado: Brito Jennifer Ramrez Mara Izquierdo Pal // Docente: Zapata Jos //Catedra: Investigacin de Operaciones II // Maracay 2012 // PSM Extesion Maracay // psm.heuristica@gmail.com // twitter: @psmheuristica // facebook: psm.heuristica / Heuristica IPSM-Maracay 48 HEURSTICA Descargas Un programa muy utilizado para hacer clculos para cada uno de los algoritmos usados en informtica y estadstica es WinQSB www.pcdigital.org/descargar-winqsb-20/