Algoritmos de trayectoria multiobjetivo aplicados al problema de ...

More documents

Recommendations

Info

Figura 18. Clases principales del paquete ceis.grial.generator (Extraído de (Fajardo and Paredes 2009)) Tabla 7. Clases del paquete ceis.grial.generator Clase Descripción ExecuteGenerator Clase que lleva a cabo el proceso de búsqueda. Manipula los datos del problema y los parámetros de entrada a través de Generator, Problem, SolutionGreedy, Generator AcceptableCandidate, StopExecute y UpdateParameter. Clase abstracta que representa los diferentes algoritmos de solución. Delega sus responsabilidades en clases concretas como SimulatedAnnealing, TabuSearch, HillClimbing, RandomSearch, entre otros. AcceptableCandidate Clase abstracta que representa el criterio de aceptación de una nueva solución. Tiene como método fundamental acceptCandidate que determina si la nueva solución se puede aceptar o no. El primer paso para utilizar la biblioteca BICIAM en Teamsoft + consistió en modificar la misma para resolver problemas de optimización multiobjetivo. Los cambios realizados se señalan en la Figura 19 y se describen a continuación: 45
En la clase Problem se incorpora como atributo el método de solución a emplear, teniendo en cuenta que para problemas de optimización multiobjetivo existen varias técnicas de solución, y que en esta versión de la biblioteca, se incluyen las técnicas de solución: combinación lineal de pesos, ordenamiento lexicográfico y multiobjetivo puro, aunque pudieran agregarse otras. La cardinalidad entre la clase Problem y las clases ObjectiveFunction y ProblemState se cambia a uno a muchos, teniendo en cuenta que en problemas multiobjetivo se tiene más de una función objetivo y se puede obtener más de una solución si se utiliza la técnica multiobjetivo puro. En la clase ObjectiveFunction se incorpora un atributo denominado tipo de problema, que indica si la función objetivo es de maximización o de minimización. Además, se incorporan los atributos peso y prioridad para el caso en que se utilicen las técnicas combinación lineal de pesos y lexicográfico, respectivamente. En la clase que maneja la solución (ProblemState) se sustituye el atributo evaluation que es de tipo double por una lista de evaluaciones de ese mismo tipo, para el caso en que se emplee la técnica de solución multiobjetivo puro. Se incorpora un método en la clase Problem denominado Evaluate, que permite evaluar una solución según la técnica de solución empleada. Figura 19.Clases principales de BICIAM para resolver problemas de optimización multiobjetivo (paquete ceis.grial.problem) 46
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 and 16: 3. Evaluar el desempeño de los alg
Page 17 and 18: Capítulo 1. Algoritmos metaheurís
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: Los paquetes que contienen las clas
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 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 ...

Create successful ePaper yourself

Delete template?

Save as template?