Contributions to the future of metaheuristics in the contours of scientific development

Contribuciones al futuro de la metaheurística en los contornos del desarrollo científico

Los algoritmos metaheurísticos resuelven problemas de optimización identificando la mejor combinación entre un conjunto de variables para mejorar una función. Dentro de la metaheurística, el objetivo principal de este trabajo es el de mostrar el desarrollo de temas de investigación sobre procesos relacionados con la optimización y la metaheurística, centrándose en la proyección de aquellos temas con mayor posibilidad de desarrollo. La optimización de procesos es uno de los campos más estudiados en inteligencia artificial, optimización, logística y otras aplicaciones Los principales aportes de este trabajo fueron la identificación de los principales temas contenidos en las temáticas de optimización de procesos y metaheurísticas; el análisis de la expansión y retracción de la temática mencionada; la comprensión de la convergencia y divergencia; y el análisis de las etapas de desarrollo presentadas en las lagunas de los cincuenta artículos más mencionados. La principal conclusión fue analizar la evolución de los temas de investigación sobre procesos de optimización y metaheurísticas, centrándose en la proyección de los temas con mayor probabilidad de desarrollo.

1. INTRODUCCIÓN

El desarrollo de algoritmos comenzó en los años sesenta. El ritmo al que se introducen nuevos algoritmos ha aumentado constantemente. El aumento significativo en la última década muestra que hay un número creciente de investigadores que han contribuido al área de investigación (Rajpurohit et al., 2017). Los procesos de optimización es uno de los campos más estudiados en inteligencia artificial, optimización, logística y otras aplicaciones. Un problema de optimización, en matemáticas o informática, es un problema de encontrar la mejor solución de entre todas las soluciones factibles. El problema de optimización se puede dividir en dos categorías dependiendo de si las variables son continuas o discretas (Askarzadeh, 2016a; Aydoğdu et al., 2016; Fallah et al., 2018; Osaba et al., 2016). Los algoritmos que resuelven problemas de optimización consisten en encontrar la mejor combinación entre un conjunto de variables para mejorar una función, normalmente conocida como función objetivo o función de coste (Álvarez & Munari, 2016; Dang et al., 2019; Mitić et al., 2015; Mohamed, 2017).

Estos problemas pueden dividirse en tres categorías principales: variables con valores reales, variables con variables discretas o variables que mezclan elementos enteros y continuos (Gomes et al., 2019; Rafieerad et al., 2017).