Resumen

El avance de las técnicas metaheurísticas, el big data y el Internet de las cosas genera oportunidades para mejoras de rendimiento en sistemas industriales complejos. Este artículo explora la aplicación de técnicas de Big Data en la implementación de algoritmos metaheurísticos con el propósito de aplicarlos a la toma de decisiones en procesos industriales. Esta exploración pretende evaluar la calidad de los resultados y los tiempos de convergencia del algoritmo bajo diferentes condiciones en el número de soluciones y la capacidad de procesamiento. ¿Bajo qué condiciones podemos obtener resultados aceptables en un número adecuado de iteraciones? En este artículo, proponemos un algoritmo binario de búsqueda de cuclillo utilizando el paradigma de programación MapReduce implementado en la herramienta Apache Spark. El algoritmo se aplica a diferentes instancias del problema de programación de tripulaciones. Los experimentos muestran que las condiciones para obtener resultados y iteraciones adecuadas son específicas para cada problema y no siempre son satisfactorias.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Técnicas metaheurísticas; Big data; Internet de las cosas; Sistemas industriales; Toma de decisiones; Algoritmo de búsqueda del cuco
• Keywords:Metaheuristic techniques; Big data; Internet of things; Industrial systems; Decision-making; Cuckoo search algorithm