Algoritmos de trayectoria multiobjetivo aplicados al problema de ...

More documents

Recommendations

Info

En el Capítulo 3 se describe el algoritmo de generación de datos diseñado para realizar los experimentos, el diseño de los casos de prueba y la comparación de los resultados obtenidos en los experimentos realizados, haciendo uso de los diferentes algoritmos propuestos. 5
Capítulo 1. Algoritmos metaheurísticos de trayectoria para resolver problemas multiobjetivo 1.1 Introducción En el capítulo se realiza un estudio del modelo formal para la asignación de recursos humanos a equipos de proyectos de software y de los conceptos asociados a los problemas multiobjetivo. Se presentan las técnicas de solución: método lexicográfico y multiobjetivo puro y diversas variantes de algoritmos de trayectoria basados en el concepto de óptimo de Pareto. Por último, se realiza un estudio de diversas métricas para evaluar el desempeño de algoritmos multiobjetivo y de bibliotecas de clases que implementan algoritmos metaheurísticos. 1.2 Problema de asignación El término de problema de asignación aparece por primera vez en 1952. El problema de asignación clásico (Pentico 2005) plantea la asignación de n tarea a n agente, minimizando el costo de las asignaciones, acorde al siguiente modelo matemático (Pentico 2005): Donde si el agente i es asignado a la tarea j y 0 en caso contrario, y es el costo de asignar el agente i a la tarea j. Existen muchas variaciones de este problema (Pentico 2005), que pueden ser clasificadas en tres tipos: asignación uno a uno (asignación clásica), asignación uno a muchos (asignación de múltiples agentes a una tarea o asignación de múltiples tareas a un mismo agente) y asignación muchos a muchos (la asignación de múltiples agentes a múltiples tareas). Algunos problemas de asignación son conocidos como NP-completos, que son aquellos problemas para los que no se ha encontrado un algoritmo que halle su estado óptimo en un tiempo polinomial. Entre estos se puede citar el problema de asignación cuadrática (Garey and Johnson 1979), que es un tipo de problema de asignación uno a uno. Otro conjunto de problemas de planificación han sido demostrado como problemas NP-Completos para diferentes instancias, tales como (Garey and Johnson 1979): el problema de planificación multiprocesador, el problema de planificación de restricciones de precedencia, el problema de planificación de restricciones de recursos, el problema de planificación con fecha límite individual y el problema de planificación con preferencias, entre otros. 6
Page 1 and 2: Instituto Superior Politécnico Jos
Page 3 and 4: Algoritmos de trayectoria multiobje
Page 5 and 6: Resumen La inadecuada conformación
Page 7 and 8: 3.4 PARÁMETROS DE LOS ALGORITMOS .
Page 9 and 10: FIGURA 21. REPRESENTACIÓN DE UNA S
Page 11 and 12: TABLA 17. TIEMPO MÍNIMO, PROMEDIO
Page 13 and 14: máxima de roles a desempeñar por
Page 15: 3. Evaluar el desempeño de los alg
Page 19 and 20: Restringir el número máximo de ro
Page 21 and 22: Pareto está compuesto por aquellos
Page 23 and 24: Esta técnica resulta conveniente e
Page 25 and 26: - Escalador de Colinas estocástico
Page 27 and 28: Tomar xa S Agregar xa a L xu:= xa T
Page 29 and 30: elemento, su distancia respecto a l
Page 31 and 32: Tomar xaS Ti = T0 Agregar xaa L Rep
Page 33 and 34: solución de Pareto, entonces se ch
Page 35 and 36: Valdés, Crespo et al. 1999) y el p
Page 37 and 38: 1.6.4 GRASP Algoritmo básico El pr
Page 39 and 40: de soluciones no dominadas encontra
Page 41 and 42: Tabla 1.Comparación entre algoritm
Page 43 and 44: Tabla 3.Comparación entre algoritm
Page 45 and 46: El comportamiento ideal del algorit
Page 47 and 48: Existen bibliotecas implementadas e
Page 49 and 50: 1.9 Conclusiones A partir de la rev
Page 51 and 52: En el trabajo de (André 2009), se
Page 53 and 54: En la Figura 15 se observa la soluc
Page 55 and 56: Los paquetes que contienen las clas
Page 57 and 58: En la clase Problem se incorpora co
Page 59 and 60: Diseñar las clases del problema ba
Page 61 and 62: Se rediseñaron las clases Maximize
Page 63 and 64: 2.4 Conclusiones En el capítulo se
Page 65 and 66: Los datos necesarios para la confor
Page 67 and 68:
del equipo: considerar la presencia
Page 69 and 70:
Tabla 10. Cantidad de soluciones en
Page 71 and 72:
En cuanto a la métrica Distancia g
Page 73 and 74:
En el anexo 11 se muestran los resu
Page 75 and 76:
Tabla 17. Tiempo mínimo, promedio
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Conclusiones A partir de los result
Page 83 and 84:
Referencias Bibliográficas Acuña,
Page 85 and 86:
Díaz, J. A. and E. Fernández (200
Page 87 and 88:
Misevicius, A. (2003). "A Modified
Page 89 and 90:
Suman, B. and P. Kumar (2006). "A s
Page 91 and 92:
Anexos Anexo 1 Encuesta a especiali
Page 93 and 94:
Anexo 2. Roles invariantes y compet
Page 95 and 96:
Anexo 4. Resultados obtenidos en la
Page 97 and 98:
Anexo 6. Resultados obtenidos en la
Page 99 and 100:
Anexo 8. Resultado del procesamient
Page 101 and 102:
Anexo 11. Valores de cobertura para
Page 103 and 104:
Anexo 13. Valores de cobertura para
show all

Algoritmos de trayectoria multiobjetivo aplicados al problema de ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?