Métodos de búsqueda usando los algoritmos de enjambre de partículas y genético

Jovani Alberto Jiménez-Builes, Rafael Esteban Arango-Sanchez, Leidy Diana Jiménez-Pinzón

Resumen


La optimización de un problema para la toma de decisiones es una tarea frecuente en la vida. Existen en la literatura diferentes técnicas determinísticas y heurísticas, las cuales son utilizadas de acuerdo a las condiciones o restricciones del problema para encontrar la mejor solución. Sin embargo, para lograr una exploración en un espacio de búsqueda de posibles soluciones, se aplican los métodos metaheurísticos, los cuales se basan en el comportamiento de poblaciones y trayectorias permitiendo encontrar soluciones casi óptimas. En este artículo se presenta el estudio de dos métodos metaheurísticos basados en poblaciones, el algoritmo enjambre de partículas y el algoritmo genético, implementados para dar solución a problemas cuyo objetivo es optimizar buscando siempre el menor valor. Para llevar a cabo este estudio, se realiza una aplicación en lenguaje de programación JAVA que contiene la implementación de los dos algoritmos a ser evaluados sobre funciones no lineales. El resultado de este trabajo se muestra mediante la comparación en la precisión al obtener la solución óptima de los métodos, mostrando la evolución de los resultados de forma gráfica hasta llegar a la solución. Al finalizar se concluye que el enjambre de partículas tiene un mejor comportamiento que el algoritmo genético.


Palabras clave


Algoritmo enjambre de partículas; algoritmo genético; comparación; simulación; optimización

Texto completo:

PDF

Referencias


S. Forrest, "Genetic algorithms: Principles of natural selection applied to computation", Science, Vol. 261, No. 5123, pp. 872-878, 1993.

R. Ríos, & L. González, "Investigación de operaciones en acción: Heurísticas para la solución del TSP", Ingenierías, Vol. 3, No. 9, pp. 15–20, 2000.

J.C. Bansal, P.K. Singh, M. Saraswat, A. Verma, , S.S. Jadon, & A. Abraham, "Inertia weight strategies in particle swarm optimization", Proceedings of the 2011 3rd World Congress on Nature and Biologically Inspired Computing, NaBIC 2011, pp. 633, 2011.

D. Morillo, L. Moreno, & J. Díaz, "Metodologías Analíticas y Heurísticas para la Solución del Problema de Programación de Tareas con Recursos Restringidos (RCPSP): una revisión. Parte 1", Ingeniería y Ciencia, Vol. 10, No. 19, pp. 247–271, 2014.

E. Elbeltagi, T. Hegazy, & D. Grierson, "Comparison among five evolutionary-based optimization algorithms", Advanced Engineering Informatics, Vol. 19, No. 1, pp. 43-53, 2005.

R. Eberhart, & J. Kennedy, "New optimizer using particle swarm theory", Proceedings of the International Symposium on Micro Machine and Human Science, pp. 39, 1995.

M. Márquez, "Las metaheurísticas: tendencias actuales y su aplicabilidad en la ergonomía", Ingeniería Industrial. Actualidad y Nuevas Tendencias, Vol. 4, No. 12, pp. 108-120, 2014.

M.A. Muñoz, J.A. López, & E.F. Caicedo, “Inteligencia de enjambres: sociedades para la solución de problemas”, Revista ingeniería e investigación, Vol. 28, No. 2, pp. 119-130, 2008.

I.C. Trelea, "The particle swarm optimization algorithm: Convergence analysis and parameter selection", Information Processing Letters, Vol. 85, No. 6, pp. 317-325, 2003.

J. Lima, & B. Barán, "Optimización de Enjambre de Partículas aplicada al Problema del Cajero Viajante Bi-objetivo", Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, Vol. 10, No. 32, pp. 67- 76, 2006.

D. Vanegas, K. Barragán & R. Correa, "Comparación de las técnicas de optimización por análisis de intervalos y la de enjambre de partículas para funciones con restricciones", Ingeniería y Universidad, Vol. 15, No. 1, pp. 47-60, 2011.

V. Gonzalez, M. Villagra & B. Baran, "Optimización por Enjambre de Partículas para Satisfacción de Fórmulas Booleanas", 34th Latin-American Conference on Informatics, 2010.

E. Cortes, "Aplicación del método de Optimización por Enjambre de Partículas (PSO) en el área médica de cito tecnología", Revista Iberoamericana para la Investigación y el Desarrollo Educativo, Vol. 1, No. 2, 2014.

D. Vanegas, K. Barragán & R. Correa, "El método de enjambre de partículas y el criterio de mínima entropía en el diseño óptimo de un disipador de calor", Revista Ingenierías Universidad de Medellín, Vol. 11, No. 20, pp. 203-214, 2012.

J. Pérez, & J. Basterrechea, "Optimización con enjambre de partículas aplicada a la reconstrucción del diagrama de radiación de antenas", XX Simposium Nacional de la Unión Científica Internacional de Radio, Gandía, 2005.

R. Eberhart, & J. Kennedy, "New optimizer using particle swarm theory", Proceedings of the International Symposium on Micro Machine and Human Science, pp. 39, 1995.

Z. Ma, & H. Liu, "A kind of improved uniform particle swarm optimization algorithm", Proceedings - 2010 2nd WRI Global Congress on Intelligent Systems, GCIS 2010, pp. 23, 2010.

I. Ruge, & M. Alvis, "Aplicación de los algoritmos genéticos para el diseño de un controlador PID adaptativo", Tecnura, Vol. 13, No. 25, pp. 81-87, 2009.

Y. Solano, M. Calvo, & L. Trejos, "Implementación de un algoritmo genético para la asignación de aulas en un centro de estudio", Uniciencia, Vol. 1, No. 22, pp. 115-121, 2008.

G. Mendez, "Diseño de un algoritmo genético para un sistema logístico de distribución", Ingeniría, Vol. 5, No. 1, pp. 20-27, 2000.

C. Galeano, & D. Garzón, "Algoritmos Genéticos aplicados a la Ingeniería biomédica", Revista Cubana de Investigaciones Biomédicas, Vol. 20, No. 3, pp. 402-411, 2011.

R.C. Eberhart, & Y. Shi, "Particle swarm optimization: Developments, applications and resources", Proceedings of the IEEE Conference on Evolutionary Computation, ICEC, pp. 81, 2001.

D. Karaboga, & B. Akay, "A comparative study of Artificial Bee Colony algorithm", Applied Mathematics and Computation, Vol. 214, No. 1, pp. 108-132, 2009.




DOI: https://doi.org/10.21501/21454086.1901

Enlaces refback

  • No hay ningún enlace refback.




Copyright (c) 2016 Revista de Ingeniería "Lámpsakos"

 
Directora/Editora - Ingrid Durley Torres Pardo

ISSN (En línea): 2145-4086

DOI de la revista: https://doi.org/10.21501/issn.2145-4086

Universidad Católica Luis Amigó - Transversal 51A #67B 90. Medellín - Colombia.

 


 © 2019 Universidad Católica Luis Amigó

La revista y los textos individuales que en esta se divulgan están protegidos por las leyes de copyright y por los términos y condiciones de la Licencia Creative Commons Atribución-No Comercial-Sin Derivar 4.0 Internacional. Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en http://www.funlam.edu.co/modules/fondoeditorial/

Derechos de autor. El autor o autores pueden tener derechos adicionales en sus artículos según lo establecido en la cesión por ellos firmada.

 

Se recomienda visualizar este contenido con los navegadores: Mozilla Firefox, Google Chrome, Safari.