Optimización: heurística, metaheurística
Investigación de operaciones Primera entrega
- Video:TechTalk: introducción a los algoritmos genéticos
- Fuente:ACMKent's channel
Algoritmos metaheurísticos en el problema del particionado hardware/software de sistemas embebidos
Metaheuristic algorithms for hardware/software partitioning problem of embedded systems
El particionado hardware/software es una tarea fundamental en el co-diseño de sistemas embebidos. En ella se decide, teniendo en cuenta las métricas de diseño, qué componentes se ejecutarán en un procesador de propósito general (software) y cuáles en un hardware específico. En los últimos años se han propuesto diversas soluciones al problema del particionado dirigidas por algoritmos metaheurísticos. Sin embargo, debido a la diversidad de modelos y métricas utilizadas, la elección del algoritmo más apropiado sigue siendo un problema abierto.
En este trabajo se presenta una comparación de seis algoritmos metaheurísticos: búsqueda aleatoria (random search), búsqueda tabú (tabu search), recocido simulado (simulated annealing), escalador de colinas estocástico (stochastic hill climbing), algoritmo genético (genetic algorithm) y estrategia evolutiva (evolution strategy).
Este artículo fue preparado por Humberto Díaz Pando, Roberto Sepúlveda Lima, Alejandro Rosete Suárez, Jenny Fajardo Calderón (Departamento de Inteligencia Artificial e Infraestructura de Sistemas Informáticos, Instituto Superior Politécnico José Antonio Echeverría, La Habana, Cuba) y Sergio Cuenca Asensi (Departamento de Tecnología Informática y Computación, Universidad de Alicante, Alicante, España) para la Revista Iberoamericana de Inteligencia Artificial (Vol. 16, No 51, 2013, 1-14), publicación de la Sociedad Iberoamericana de Inteligencia Artificial IBERAMIA que difunde avances teóricos o aplicados en todos los campos de la inteligencia artificial.
Metaheurísticas multiobjetivo adaptativas
Multiobjective adaptive metaheuristics
Las metaheurísticas son técnicas no exactas que intentan proporcionar soluciones satisfactorias a problemas complejos de optimización en los que las técnicas exactas no son viables, y se caracterizan por usar una serie de operadores que se aplican de forma estocástica de acuerdo a cierta parametrización. Los valores de estos parámetros suelen ser establecidos al inicio de la ejecución de las técnicas y permanecen invariados hasta que estas terminan. Recientemente están surgiendo trabajos que sugieren que dichos parámetros se modifiquen de forma adaptativa, según la marcha del algoritmo.
En este trabajo se propone estudiar el efecto de usar dos operadores de forma adaptativa en dos metaheurísticas multiobjetivo representativas. Los resultados obtenidos indican que es posible mejorar el rendimiento de los algoritmos usando adaptabilidad.
Este artículo fue preparado por Mirialys Machin Navas (Universidad de Ciencias Informáticas UCI, Facultad Regional, Ciego de Ávila, Cuba) y Antonio J. Nebro Urbaneja (Departamento de Lenguajes y Ciencias de la Computación, Universidad de Málaga, Málaga, España) para Computación y Sistemas (Vol. 17, No. 1, 2013, 53-62), revista alojada en el portal de la biblioteca electrónica de publicaciones científicas SciELO (Scientific Electronic Library On-Line)-México (México D. F., México). SciELO es un modelo para la publicación electrónica cooperativa de revistas científicas en Internet, especialmente desarrollado para responder a las necesidades de la comunicación científica en los países en desarrollo, y particularmente de América Latina y el Caribe.
- Video:Algoritmos genéticos probabilísticos constructores de modelos
- Fuente:Pier Luca Lanzi
