Resumen

El problema de asignación cuadrática (QAP) es un problema de optimización combinatoria de dificultad NP con una gran variedad de aplicaciones. La optimización basada en la biogeografía (BBO), una técnica de optimización relativamente nueva basada en el concepto de biogeografía, utiliza la idea de la estrategia de migración de las especies para derivar un algoritmo para resolver problemas de optimización. Se ha demostrado que la BBO ofrece un rendimiento equiparable al de otros métodos de optimización. Un algoritmo BBO clásico emplea el operador de mutación como estrategia de diversificación. Sin embargo, este proceso suele arruinar la calidad de las soluciones en QAP. En este trabajo, proponemos una técnica híbrida para superar la debilidad del algoritmo BBO clásico para resolver QAP, sustituyendo el operador de mutación por un procedimiento de búsqueda tabú. Nuestros experimentos utilizando las instancias de referencia de QAPLIB muestran que el método híbrido propuesto es capaz de encontrar buenas soluciones para ellos dentro de tiempos computacionales razonables. De las 61 instancias de referencia probadas, el método propuesto es capaz de obtener las mejores soluciones conocidas para 57 de ellas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:algoritmo bbo clásico, instancia de referencia, operador de mutación, métodos híbridos propuestos, calidad de las soluciones, qap, problema de asignación cuadrática, ideas de migración, tiempo computacional razonable, variedad de aplicación
• Keywords:classical bbo algorithm, benchmark instance, mutation operator, proposed hybrid methods, quality of solutions, qap, quadratic assignment problem, ideas of migration, reasonable computational time, variety of application