Académique Documents
Professionnel Documents
Culture Documents
2003
Beln Melin / Jos A. Moreno Prez / J. Marcos Moreno Vega
METAHEURSTICAS: UNA VISIN GLOBAL
Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, ao/vol. 7,
nmero 019
Asociacin Espaola para la Inteligencia Artificial
Valencia, Espaa
http://redalyc.uaemex.mx
Metaheuristics: A global view
The metaheuristics can be conceived as general strategies for designing heuristic procedures with high
performance. In this paper we deal with the fundamentals for stating the concept of metehuristic. The
metaheuristic strategies refer to the design of some of the fundamental types of heuristic procedures for
solving an optimization problem. We provide a description of the main metaheuristics for relaxation
procedures, constructive processes, neighbourhood searches and evolutive procedures. We deal
specially with the search metaheuristics that constitute the central paradigm of these techniques in the
solution of optimisation problems. We propose and analyse the desirable characteristics of the
metaheuristics, from their theoretical study and practical application points of view.
Resumen
Las metaheursticas pueden concebirse como estrategias generales de diseno de procedimientos heursticos
para la resolucion de problemas con un alto rendimiento. En este trabajo se tratan, en primer lugar, los
fundamentos para establecer el concepto de metaheurstica. Los estrategias metaheursticas se refieren al
diseno de alguno de los tipos fundamentales de procedimientos heursticos de solucion de un problema de
optimizacion. Se realiza una descripcion de las principales metaheursticas para metodos de relajacion,
procesos constructivos, busquedas por entornos y procedimientos evolutivos. Se presta atencion especial
a las metaheursticas de busqueda que constituyen el paradigma central de estas tecnicas en la resolucion
de problemas de optimizacion. Se proponen y analizan las caractersticas deseables de las metaheursticas,
desde el punto de vista de su estudio teorico y de su aplicacion practica. Finalizamos con las conclusiones
derivadas de nuestra perspectiva.
1
cas (ver, por ejemplo, [26], [37], [36] y [77]). cion a exacto, que se aplica los procedimientos
a los que se les exige que la solucion aporta-
En la siguiente seccion se describen los funda- da sea optima o factible. Una solucion heursti-
mentos que permiten establecer, partiendo de ca de un problema es la proporcionada por un
la nocion de heurstica, el concepto de meta- metodo heurstico, es decir, aquella solucion so-
heurstica y se establece una primera clasifi- bre la que se tiene cierta confianza de que es
cacion de las metaheursticas a partir de los factible y optima, o de que alcanza un alto gra-
diferentes tipos de procedimientos heursticos do de optimalidad y/o factibilidad. Tambien es
para los que establecen pautas de diseno. En usual aplicar el termino heurstica cuando, uti-
la tercera seccion se describen las metaheursti- lizando el conocimiento que se tiene del pro-
cas de busqueda, considerando tanto busqueda blema, se realizan modificaciones en el proce-
local como global, y las estrategias evolutivas. dimiento de solucion del problema que, aunque
En la cuarta seccion se analiza el papel de las no afectan a la complejidad del mismo, mejoran
metaheursticas y se enumeran las principales el rendimiento en su comportamiento practico.
caractersticas deseables de las mismas. El tra-
bajo finaliza con unas breves conclusiones. Unas heursticas para resolver un problema
de optimizacion pueden ser mas generales o
especficas que otras. Los metodos heursticos
especficos deben ser disenados a proposito para
2. Las Metaheursticas cada problema, utilizando toda la informacion
disponible y el analisis teorico del modelo.
Los procedimientos especficos bien disenados
2.1. Concepto de metaheurstica suelen tener un rendimiento significativamente
mas alto que las heursticas generales. Las
La idea mas generica del termino heursti- heursticas mas generales, por el contrario, pre-
co esta relacionada con la tarea de resolver sentan otro tipo de ventajas, como la sencillez,
inteligentemente problemas reales usando el adaptabilidad y robustez de los procedimientos.
conocimiento disponible. El termino heurstica Sin embargo, las heursticas generales
proviene de una palabra griega con un significa- emanadas de las metaheursticas pueden
do relacionado con el concepto de encontrar y mejorar su rendimiento utilizando recursos
se vincula a la supuesta exclamacion eureka de computacionales y estrategias inteligentes.
Arqumedes al descubrir su famoso principio.
El termino metaheursticas se obtiene de an-
La concepcion mas comun en IA es interpretar teponer a heurstica el sufijo meta que significa
que heurstico es el calificativo apropiado para mas alla o a un nivel superior. Los con-
los procedimientos que, empleando conocimien- ceptos actuales de lo que es una metaheursti-
to acerca de un problema y de las tecnicas apli- ca estan basados en las diferentes interpreta-
cables, tratan de aportar soluciones (o acercarse ciones de lo que es una forma inteligente de
a ellas) usando una cantidad de recursos (ge- resolver un problema. Las metaheursticas son
neralmente tiempo) razonable. En un problema estrategias inteligentes para disenar o mejorar
de optimizacion, aparte de las condiciones que procedimientos heursticos muy generales con
deben cumplir las soluciones factibles del pro- un alto rendimiento. El termino metaheurstica
blema, se busca la que es optima segun algun aparecio por primera vez en el artculo seminal
criterio de comparacion entre ellas. En Investi- sobre busqueda tabu de Fred Glover en 1986
gacion Operativa, el termino heurstico se aplica [20]. A partir de entonces han surgido multitud
a un procedimiento de resolucion de problemas de propuestas de pautas para disenar buenos
de optimizacion con una concepcion diferente. procedimientos para resolver ciertos problemas
Se califica de heurstico a un procedimiento que, al ampliar su campo de aplicacion, han
para el que se tiene un alto grado de confianza adoptado la denominacion de metaheursticas.
en que encuentra soluciones de alta calidad con
un coste computacional razonable, aunque no La relevancia de las metaheursticas se refle-
se garantice su optimalidad o su factibilidad, ja en la publicacion de libros sobre este cam-
e incluso, en algunos casos, no se llegue a es- po en los ultimos anos, entre los que los mas
tablecer lo cerca que se esta de dicha situacion. recientes son [57],[62], [45], [68], [73], [46] y
Se usa el calificativo heurstico en contraposi- [25]. Diversos artculos de revision, monografas
y volumenes especiales sobre metaheursticas Algunas metaheursticas surgen combinando
han venido apareciendo en diversas colecciones metaheursticas de distinto tipo, como la meta-
editoriales o revistas periodicas de los campos heurstica GRASP (Greedy Randomized Adap-
de Investigacion Operativa, Inteligencia Artifi- tive Search Procedure) [67], [66], que combina
cial, Ingeniera y Ciencias de la Computacion. una fase constructiva con una fase de busque-
Ademas, en estas publicaciones se observa un da de mejora. Otras metaheursticas se centran
incremento considerable del numero de trabajos en el uso de algun tipo de recurso computa-
que incluyen procedimientos heursticos en los cional o formal especial como las redes neu-
que se realizan planteamientos estandares de las ronales, los sistemas de hormigas o la progra-
metaheursticas. Desde 1985 se viene publican- macion por restricciones y no se incluyen clara-
do la revista Journal of Heuristics que concen- mente en ninguno de los cuatro tipos anteriores.
tra una parte importante de las publicaciones
en este campo. Por otro lado, de una u otra forma, todas
las metaheursticas se pueden concebir como
estrategias aplicadas a procesos de busqueda,
donde todas las situaciones intermedias en el
2.2. Tipos de metaheursticas proceso de resolucion del problema se interpre-
tan como elementos de un espacio de busqueda,
Las metaheursticas son estrategias para que se van modificando a medida que se apli-
disenar procedimientos heursticos. Por tan- can las distintas operaciones disenadas para lle-
to, los tipos de metaheursticas se establecen, gar a la resolucion definitiva. Por ello, y porque
en primer lugar, en funcion del tipo de pro- los procesos de busqueda heurstica constituyen
cedimientos a los que se refiere. Algunos de el paradigma central de las metaheursticas,
los tipos fundamentales son las metaheursti- es frecuente interpretar que el termino meta-
cas para los metodos de relajacion, las meta- heurstica es aplicable esencialmente a los pro-
heursticas para los procesos constructivos, las cedimientos de busqueda sobre un espacio de
metaheursticas para las busquedas por en- soluciones alternativas. Por este mismo motivo
tornos y las metaheursticas para los proce- se dedica una parte importante de este trabajo
dimientos evolutivos. a las metaheursticas de busqueda.
[6] A. Blanco, D. Pelta y J.L. Verdegay. A [18] G. Dueck. New optimization heuristics:
fuzzy valuation-based local search frame- The great deluge algorithm and the record-
work for combinatorial optimization. Jour- to-record travel. Journal of Computational
nal of Fuzzy Optimization and Decision Physics, 104:8692, 1993.
Making, 1(2):177193, 2002. [19] E. Freuder y M. Wallace Constraint Satis-
[7] A. Blanco, D. Pelta y J.L. Verdegay. faction. Cap. 14 en F. Glover y G. Kochen-
FANS: una heurstica basada en conjuntos berger (eds.) Handbook on MetaHeuristics,
difusos para problemas de optimizacion. 2003.
Inteligencia Artificial. Revista Ibeoramier- [20] F. Glover. Future paths for integer pro-
icana de Inteligencia Artificial, este mismo gramming and links to artificial intelli-
volumen, 2003. gence. Computers and Operations Re-
search, 5:533549, 1986.
[8] C.G.E. Boender y A.H.G. Rinnooy Kan.
Bayesian stopping rules for multistart [21] F. Glover. Tabu search. part I. ORSA
global optimization methods. Mathemat- Journal on Computing, 1:190206, 1989.
ical Programming, 37:5980, 1987.
[22] F. Glover. Tabu search. part II. ORSA
[9] S. Boettcher y A.G. Percus. Natures Journal on Computing, 2:432, 1990.
way of optimizing. Artificial Intelligence,
119:275286, 2000. [23] F. Glover. A template for scatter search
and path relinking. en J.-K. Hao y
[10] B.P. Buckles y F.E. Petry. Genetic Al- E. Lutton (eds.) Artificial Evolution, vol-
gorithms. IEEE Computer Society Press, ume 1363 de Lecture Notes in Computer
1992. Science, 1354, Springer-Verlag, 1998.
[24] F. Glover. Multi-start and strategic os- [36] P. Hansen y N. Mladenovic. Variable
cillation methods - principles to exploit Neighborhood Search. en P.M. Pardalos
adaptive memory. en M.Laguna y J.L. y M.G.C. Resende (eds.), Handbook of Ap-
Gonzalez-Velarde (eds.) Computing Tools plied Optimization, 221234, Oxford Uni-
for Modeling, Optimization and Simula- versity Press, 2002.
tion, 124, Kluwer Academic Publishers,
2000. [37] P. Hansen y N. Mladenovic. Variable
Neighborhood Search. Cap. 6 en F. Glover
[25] F. Glover y G. Kochenberger (eds.) Hand- y G.A. Kochenberger (eds.), Handbook of
book of Metaheuristics, Kluwer Academic Metaheuristics, Kluwer Academic, 2003.
Publishers, 2003.
[38] P. Hansen, N. Mladenovic y J.A. Moreno.
[26] F. Glover y M. Laguna. Tabu Search, Busqueda de entorno variable. Inteligencia
Kluwer, 1997. Artificial. Revista Iberoamericana de In-
teligencia Artificial, este mismo volumen,
[27] F. Glover, M. Laguna, E.D. Taillard y 2003.
D. De Werra. Tabu Search, volume 43 of
[39] J. Holland. Adaptation in Natural and Ar-
Annals of Operational Research. Baltzer,
tificial Systems. University of Michigan
1993.
Press, 1975.
[28] F. Glover y B. Melian. Busqueda tabu. [40] J.J. Hopfield y D.W. Tank. Neural com-
Inteligencia Artificial. Revista Iberoameri- putation of decisions in optimization prob-
cana de Inteligencia Artificial, este mismo lems. Bio. Cybern., 52:141152, 1985.
volumen, 2003.
[41] Y.S.J. Kennedy y R. Eberhart. Swarm In-
[29] F. Glover, E. Taillard y D. de Werra. A telligence. Morgan Kaufmann, 2001.
users guide to tabu search. Annals of Op-
erations Research, 41:328, 1993. [42] S. Kirkpatrick, C.D. Gelatt, y M.P. Vec-
chi. Optimization by Simulated Annealing.
[30] F. Glover y D. De Werra. Tabu Search, vol- Science, 220:671680, 1983.
ume 41 de Annals of Operational Research,
Baltzer, 1993. [43] M. Laguna, F. Glover y R. Mart. Funda-
mentals of scatter search and path relink-
[31] D.E. Goldberg. Genetic Algorithms in ing. Control and Cybernetics, 39:653684,
Search, Optimization and Machine Learn- 2000.
ing Addison Wesley, 1989.
[44] M. Laguna, F. Glover y R. Mart. Scat-
ter search and path relinking: Advances
[32] L.K. Grover. Local search and the local
and applications. Cap. 1 en F. Glover
structure of NP-complete problems. Oper-
y G. Kochenberger (eds.) Handbook on
ational Research Letter, 12:235243, 1992.
MetaHeuristics, 2003.
[33] M. Guignard Lagrangian Relaxation en [45] M. Laguna y J.L. Gonzalez-Velarde, (eds.)
P.M. Pardalos y M.G.C. Resende (eds.) Computing Tools for Modeling, Optimiza-
Handbook of Applied Optimization Oxford tion and Simulation. Kluwer Academic
University Press, 465474, 2002 Publishers, 2000.
[34] P. Hansen y N. Mladenovic. Variable [46] M. Laguna y R. Mart. Scatter Search
Neighborhood Search: Principles and Ap- Methodology and Implementations in C,
plications. European Journal of Opera- Kluwer Academic Publishers, 2002.
tional Research, 130:449467, 2001.
[47] P. Larranaga, J.A. Lozano y H. Muhlen-
[35] P. Hansen y N. Mladenovic. Developments bein. Algoritmos de estimacion de dis-
in Variable Neighbourhood Search. en tribuciones en problemas de optimizacion
C. Ribeiro y P. Hansen (eds.) Essays and combinatoria. Inteligencia Artificial. Re-
Surveys in Metaheuristics, 415439. Kluw- vista Iberoamericana de Inteligencia Arti-
er, 2002. ficial, este mismo volumen, 2003.
[48] P.J.M. van Laarhoven y E.H.L. Aarts. [60] P. Moscato. Memetic algorithms: A short
Simulated Annealing: Theory and Applica- introduction. en D. Corne, M. Dorigo y
tions. Kluwer Academic Press, 1987. F. Glover (eds.) New Ideas in Optimiza-
tion, 219234, McGraw-Hill, 1999.
[49] C.K. Looi. Neural network method in com-
binatorial optimization. Computers and [61] P. Moscato y C. Cotta-Porras. Una intro-
Operations Research, 19:191208, 1992. duccion a los algoritmos memeticos. In-
teligencia Artificial. Revista Iberoameri-
[50] H.R. Lourenco, O. Martin, y T. Stutzle. cana de Inteligencia Artificial, este mismo
Iterated local search. Cap. 11 en F. Glover volumen, 2003.
y G.G. Kochenberger (eds.) Handbook of [62] M.J. Oates, D.W. Corne y G.D. Smith
Metaheuristics, Kluwer Academic Publish- (eds.) Telecommunications Optimization:
ers. 2003. Heuristic and Adaptive Techniques. Wiley,
2000.
[51] J.A. Lozano y P. Larranaga. Estimation of
Distribution Algorithms. A New Tool for [63] M. Pirlot. General local search heuristics
Evolutionary Computation. Kluwer Aca- in combinatorial optimization: A tutorial.
demic. Belgian J. of Operations Research, Statis-
tics and Computer Science, 32:767, 1994.
[52] F. Manya y C. Gomes. Tecnicas de res-
[64] M. Pirlot. General local search methods.
olucion de problemas de satisfaccion de re-
European Journal of Operational Research,
stricciones. Inteligencia Artificial. Revista
92(3):493511, 1996.
Iberoamericana de Inteligencia Artificial,
este mismo volumen, 2003. [65] C.R. Reeeves. Genetic Algorithms. Cap.
3 en F. Glover y G. Kochenberger (eds.)
[53] R. Mart. Multistart methods. en Handbook on MetaHeuristics, 2003.
Fred Glover y Gary A. Kochenberger
(eds.) Handbook of Metaheuristics, 355 [66] M. Resende y J.L. Gonzalez-Velarde.
368, Kluwer Academic, 2003. GRASP: Procedimientos de busqueda
miopes aleatorizados y adaptativos. In-
[54] R. Mart y M. Laguna. Scatter Search: teligencia Artificial. Revista Iberoameri-
Diseno basico y estrategias avanzadas. In- cana de Inteligencia Artificial, este mismo
teligencia Artificial. Revista Iberoameri- volumen, 2003.
cana de Inteligencia Artificial, este mismo [67] M.G.C. Resende y C.C. Ribeiro. Greedy
volumen, 2003. randomized adaptive search procedures.
en F. Glover y G.G. Kochenberger (eds.)
[55] R. Mart y J.M. Moreno-Vega. Metodos
Handbook of Metaheuristics, Kluwer Aca-
multi-arranque. Inteligencia Artificial. Re-
demic Publishers. 2003.
vista Iberoamericana de Inteligencia Arti-
ficial, este mismo volumen, 2003. [68] C.C. Ribeiro y P. Hansen (eds.) Essays and
Surveys in Metaheuristics. Kluwer, 2001.
[56] Z. Michalewicz. Genetic Algorithms +
Data Structures = Evolution Programs. [69] K. E. Rosing y M. John Hodgson. Heuris-
Springer Verlag, 1992. tic concentration for the p-median: an
example demonstrating how and why it
[57] Z. Michalewicz y D.B. Fogel. How to Solve works. Computers and Operations Re-
It: Modern Heuristics. Springer Verlag, search, 29(10):13171330, 2002.
2000. [70] S. Salhi. A perturbation heuristic for a
class of location problems. Journal of the
[58] P. Mills, E.P.K. Tsang, y J. Ford. Apply- Operational Research Society, 48:1233
ing an extended guided local search on the 1240.
quadratic assignment problem. Annals of
Operations Research, 118:121135, 2003. [71] E.A. Silver, R. Victor, V. Vidal, y
D. de Werra. A tutorial on heuristic meth-
[59] M. Mitchel. An introduction to Genetic ods. European Journal of Operational Re-
Algorithms. MIT Press, 1996. search, 5:153162, 1980.
[72] R.V.V. Vidal. Applied Simulated Anneal-
ing, volume 396 of Lecture Notes in Econ.
and Math. Systems. Springer Verlag, 1993.
[73] S. Voss y D.L. Woodruff (eds.) Optimiza-
tion Software Class Libraries, Kluwer Aca-
demic Publishers, 2002.
[74] C. Voudouris y E.P.K. Tsang. Guided local
search. European Journal of Operational
Research, 113(2):469499, 1999.
[75] C. Voudouris y E.P.K. Tsang. Guided local
search. Cap. 7 en F. Glover y G. Kochen-
berger (eds.) Handbook on MetaHeuristics,
2003.
[76] Z.-B. Xu, H.-D. Jin, K.-S. Leung, Y. Le-
ung, y C.-K. Wong. An automata network-
for performing combinatorial optimization.
Neurocomputing, 47:5983, 2002.
[77] M. Yagiura y T. Ibaraki. On metaheuris-
tic algorithms for combinatorial optimiza-
tion problems. Systems and Computers in
Japan, 32(3):3355, 2001.
[78] M. Yagiura y T. Ibaraki. Local search.
en P.M. Pardalos y M.G.C. Resende (eds.)
Handbook of Applied Optimization, 104
123. Oxford University Press, 2002.