ENSAYO SOBRE EL TEMA Modelos y Optimizacin I Heursticas y Problemas

Combinatorios
Prof. Silvia Ramos
El paper de la profesora Silvia Ramos, describe el uso de las heursticas para lograr
resolver diversos problemas que por su complejidad y dadas ciertas limitaciones, no
permiten obtener soluciones ptimas, ms es necesario llegar a una respuesta que
deba ser considerada como buena, aunque no sea la mejor.
Entre estos problemas podemos citar los indicados por la profesora Ramos, tales
como:

Nmero grande y finito de soluciones que requieren demasiado tiempo para

resolver.
Problemas que son del tipo NP-Hard.

Adems podramos citar los mencionados en clases, tales como:

Software demasiado caro de adquirir para las empresas, por ejemplo GAMS
(Ms de $10000).

Segn la autora, la finalidad de la Heurstica es el de conocer el problema a tratar,

para lo cual se busca aumentar la eficiencia pero sacrificando algunas condiciones
que lograran un resultado ptimo. La Profesora Ramos sugiere analizar los
problemas de acuerdo a varias dimensiones claves, como son: la descomposicin,
la eliminacin (dimensin que puede incluir la recuperacin o no de ciertos pasos
previamente eliminados) hacia una solucin buena, la predictibilidad del caso a
desarrollar, clasificacin de las soluciones (absolutas, relativas, estado o ruta),
el rol del conocimiento, la interaccin humana para resolver los problemas y su
clasificacin.
Tambin se trata la clasificacin de las heursticas, en cuanto a su finalidad, como
son encontrar una solucin buena o mejorar una solucin, en cuyo caso se
denominan Heursticas de Construccin y de Mejoramiento, respectivamente. Es
posible incluso que estos dos tipos de heursticas puedan interactuar entre s.
De acuerdo a su finalidad es ms comn encontrar Heursticas de construccin, lo
cual se deba principalmente a la dificultad para crear Heursticas de Mejoramiento,
pues ellas requieren que conozcamos el problema a tratar a fondo y adems son
mucho ms rigurosas.
Las Heursticas y el problema del viajante
La autora muestra como las Heursticas ayudan a simplificar el caso del
Representante de ventas (TSP- Travelling Salesman Problem). Sin el uso de
Heursticas, siendo el caso de N ciudades, se puede esperar resolver el problema en

un tiempo N!, ms el uso de la Heurstica del nodo o vecino ms cercano, reduce

este tiempo a N^2, lo cual es definitivamente una mejora.
Finalmente, la autora nos presenta una serie de algoritmos de construccin y
algunos algoritmos de mejoramiento para el caso TSP. Entre los ltimos se
menciona al Simulated Annealing, el cual al parecer tiene algunos detractores, entre
los cuales mencionar un nombre ms adelante.

Las Heursticas producen resultados ptimos?

Citando las palabras del Dr. Fernando Sandoya, existen en la vida real una serie
de problemas que se pueden expresar matemticamente, sin embargo, debido a la
complejidad de los clculos, los equipos actuales no estn en capacidad de
mostrarnos una respuesta ptima al problema planteado, debido a la necesidad de
una respuesta, muchas veces debemos usar Heursticas que nos muestran una
respuesta buena que puede encontrarse muy cerca del ptimo verdadero. Debido a
que el mtodo heurstico no logra llegar a una respuesta ptima, sino a una
respuesta buena, debemos ser conscientes de la diferencia que existe entre una y
otra respuesta.

Adicionalmente, tuve la oportunidad de asistir a un Seminario Internacional de

Transporte organizado por la Facultad de Ciencias Naturales y Matemticas
(FCNM) de la ESPOL, en cuya primera parte, el expositor, el Dr. Benjamn
Barn, describa el uso del Algoritmo gentico de la Colonia de Hormigas, para
resolver problemas de distribucin y rutas ms cortas, con la diferencia de que el
caso presentado haca una variacin al algoritmo clsico y este se converta en
Multiobjetivo. El algoritmo al final no mostraba una solucin ptima, al menos no
como GAMS, sino que mostraba un conjunto de soluciones, todas buenas, que
conformaban el Conjunto Pareto ptimo. El Dr. Barn deca que, al final el usuario
era el que elega su respuesta buena, segn un conjunto de criterios establecidos
por el mismo usuario, es decir si daba mayor importancia o peso a un objetivo sobre
otro (el costo mnimo es ms importante que el tiempo, etc), la mejor respuesta.
Esta respuesta podra cambiar dependiendo de los criterios seleccionados por el
usuario.
EL DR. Barn no recomienda el uso de Simulated Annealing por su complejidad y
prefiere utilizar el Algoritmo de la Colonia de Hormigas, mismo que al poasar de los
aos ha demostrado ser un algoritmo eficiente al tratar de solucionar problemas de
ruta ms corta. Sin embargo,el Dr Barn indic, un algoritmo puede ser bueno
para un determinado problema, pero a la vez es malo para resolver otra situacin..
Tal vez este sea el caso de la Heurstica de Mejoramiento Simulated Annealing.