IMPLEMENTACIN DE UN ALGORITMO GENTICO PARA RESOLVER EL

PROBLEMA DE DIMENSIONALIDAD EN PROGRAMACIN DINMICA

Por: Ing. Miguel Jimnez Carrin. MsC
Profesor Asociado a DE, adscrito al
Departamento Acadmico de Investigacin de Operaciones
de la Facultad de Ingeniera Industrial de la UNP

Piura Per
e-mail: jim_car_miguel@hotmail.com
mjimenezc@tallan.unp.edu.pe

Telfono:073 350155

Resumen
El problema de dimensionalidad en programacin dinmica se deriva del mtodo de
programacin dinmica y se presenta cuando el nmero de variables de estado al inicio
de cada etapa del proceso es mayor a uno. Las combinaciones de las asignaciones de los
recursos generan un efecto combinatorio y resulta que la metodologa de la
programacin dinmica se vuelve inoperante.
En ARCAG, se ha implementado un algoritmo gentico para dar respuesta a este tipo de
problemas Los resultados muestran que el 93.55% de las veces se encuentra la solucin
ptima y el resto 6.45%, soluciones cercanas al ptimo para los cuales los resultados
son menos del 5% por debajo del valor ptimo.
Palabras Claves: Algoritmo gentico, asignacin de recursos, programacin dinmica,
efecto combinatorio, multidimensional.
Implementacin del Algoritmo
Datos de Entrada
Relativos al problema
Nmero de Etapas o Fbricas.- Es un dato numrico de tipo entero y puede tener un
rango de variacin entre 1 y 1000.
Nmero de Alternativas en cada Etapa o Fbrica.- Es un dato numrico de tipo entero
y puede variar de 1 a 1000. Esta entrada puede ser distinta para cada una de las fbricas.
Nmero de recursos.- Esta entrada es numrica de tipo entera y representa la cantidad
mxima de recursos utilizados entre todas las etapas, lo que significa que pueden haber
etapas que requieran menos nmero de recursos.
Cantidad disponible de cada tipo de recurso.- es un valor numrico de tipo continuo o
discreto.
Inversiones permitidas.- de los recursos disponibles, en cada etapa o fbrica es un valor
numrico de tipo continuo.
Retornos o utilidad.- en cada etapa o fbrica por cada alternativa por el uso de los
recursos; es una cantidad numrica de tipo continuo.

Relativos al Algoritmo
Tamao de la Poblacin.- Es un nmero entero mltiplo de 2 y permite inicializar la
poblacin de posibles soluciones; puede variar entre 2 y 1000.
Nmero de Generaciones.- Nmero entero positivo que puede variar de 1 a 1000,
permite encontrar la mejor solucin dentro del intervalo.
Porcentaje de Mutacin.- Operador Gentico que es igual o menor al 10%
Porcentaje de Cruza.- Operador Gentico que es igual o mayor a 80%.
Nmeros de puntos de cruce.- Nmero entero positivo que puede variar desde uno
hasta dos puntos de cruce los que pueden tomar los valores desde 1 hasta tamao del
cromosoma menos 1.
Datos de Salida
Los datos de salida estn relacionados con el resultado de aplicar el algoritmo gentico
y est en trminos de:
a) Cantidad del recurso i a invertir en la etapa o fbrica k.
b) La calidad o Fitness de la mejor solucin
c) El retorno total mximo.
Resultados
Los resultados de 31 muestras cuando el algoritmo opera bajo las siguientes condiciones
y conservando elitismo:
Mutacin: 5%
Reproduccin: 90%
Tamao de la poblacin: 100 individuos.
Nmero de Generaciones: 500.
Se implementa elitismo
Mostraron que el algoritmo gentico implementado es Bueno trabajando con problemas
de asignacin de recursos con retornos tabulados cuando el tamao del problema tiene
hasta 6 fbricas, 5 recursos y 11 alternativas.
En este contexto, se garantiza que los resultados en encontrar soluciones ptimas es el
93.55% de las veces y el 6.45% restante, logra soluciones cercanas al ptimo,
soluciones que se encuentran en el peor de los casos menor al 5% por debajo del valor
ptimo; este comportamiento se debe a la competencia de los recursos con retornos
similares o cercanos.
Haciendo un anlisis extensivo del comportamiento del software para problemas que
tienen mayor tamao como: 10 fbricas, 10 recursos y 11alternativas en cada fbrica, lo
que hace un total de 25,937,424,601 combinaciones posibles por fbrica, el software
sigue mostrando resultados altamente satisfactorios.

Conclusiones
1. Se ha demostrado que la hiptesis planteada se cumple, es decir que la
metodologa de los algoritmos genticos resuelve el problema de asignacin de
recursos

con

retornos

tabulados

cuando

el

vector

de

estados

es

multidimensional.
2. El Algoritmo gentico implementado es Robusto, el 93.55% de las veces
encuentra la solucin ptima y el resto 6.45%, soluciones cercanas al ptimo
para los cuales los resultados son menos del 5% por debajo del valor ptimo.
3. Se construy el software ARCAG con capacidad de resolver problemas de hasta
1000 recursos y 1000 Etapas o Fbricas.
4. El mtodo de solucin tradicional de la programacin dinmica es inoperante
para resolver problemas como los planteados de asignacin de recursos con
retornos tabulados cuando el vector de estados es multidimensional los
problemas.
5. La codificacin utilizada cumple con el objetivo.
6. La implementacin del elitismo trasmite potencial gentico valioso a las
siguientes generaciones.
7. La soluciones proporcionadas por el algoritmo implementadas en ARCAG, son
ms eficientes que las proporcionadas por la metodologa de programacin
dinmica.
Vctor M Albornoz S. victor.albornoz@ind.utfsm.cl
Los Resmenes Extendidos deben ser enviados por correo electrnico a:

http://by8fd.bay8.hotmail.msn.com/cgi-bin/compose?
mailto=1&msg=MSG1053819880.72&start=182090&len=25758&src=&type=x&to=op
tima2003%40ind%2eutfsm
%2ecl&cc=&bcc=&subject=&body=&curmbox=F000000001&a=96ea322f922776398
3900ec16c14b149