Algoritmos de trayectoria multiobjetivo aplicados al problema de ...

More documents

Recommendations

Info

A continuación se evalúa el desempeño de los diferentes algoritmos para cada escenario de prueba diseñado, analizando el comportamiento de las métricas citadas. 3.5.1 Escenario 1 En la Tabla 12 se muestran los resultados obtenidos por cada algoritmo para las métricas Tasa de error, Distancia generacional y Dispersión en el escenario 1. Tabla 12. Valores mínimo, promedio y máximo de las métricas Tasa de error, Distancia generacional y Dispersión en el escenario 1. Tasa de error Distancia generacional Dispersión Algoritmos CITI Softel CITI Softel CITI Softel Mínimo 0.16666667 0.60000002 0.0015 0.00307616 6.62E-04 2.28E-04 Media 0.59952382 0.81274199 0.00597685 0.00628277 0.00140886 0.00124207 ECEMO Máximo 1 1 0.02083567 0.01670184 0.00425383 0.00711224 Mínimo 0.16666667 0.66666669 0.00101015 0.0010138 7.87E-04 4.27E-04 Media 0.62952382 0.91551227 0.00479297 0.0087089 0.00156984 0.00179839 ECEMOR Máximo 0.85714287 1 0.01172871 0.01411362 0.0055434 0.00820697 Mínimo 0.33333334 0.5 0.00283333 5.77E-04 2.47E-04 2.30E-04 Media 0.70857143 0.8805303 0.00722263 0.00687728 0.00205346 0.00129959 ECEMODist Máximo 1 1 0.01500417 0.01281926 0.00500606 0.0039263 Mínimo 0 0 0 0 5.12E-04 7.10E-04 Media 0.26448413 0.51535714 0.00129918 0.0029922 0.00102076 9.99E-04 BTM Máximo 0.5714286 1 0.00343452 0.00665933 0.00139597 0.00122909 Mínimo 0.71428573 0.5 0.00468615 0.00150996 6.39E-04 3.00E-04 Media 0.92880953 0.71538074 0.0127562 0.00510006 0.00203447 0.00164374 RSMU Máximo 1 0.91666669 0.02314551 0.00935734 0.00521045 0.0041334 Mínimo 0.2 0.40000001 0.0016 0.00364418 5.58E-04 2.72E-04 Media 0.65589286 0.84795122 0.00557572 0.00707929 0.00174532 0.00156808 RSMMC Máximo 1 1 0.02000556 0.01589811 0.00610987 0.0044224 Mínimo 0.2857143 0 0.00218996 0 8.34E-04 9.80E-05 Media 0.7117262 0.21934524 0.00834366 0.00110426 0.00152514 6.19E-04 GRASP + ECEMO Máximo 1 0.71428573 0.02040493 0.004463 0.00268418 0.00238324 Mínimo 0.2 0 0.00101015 0 8.33E-04 9.80E-05 Media 0.6771627 0.25107143 0.00534581 0.00133103 0.00139016 8.08E-04 GRASP + ECEMOR Máximo 1 0.75 0.01644498 0.00476642 0.0026284 0.00259653 Mínimo 0.16666667 0.40000001 8.33E-04 5.66E-04 5.07E-05 2.32E-04 Media 0.66583334 0.86559357 0.00607331 0.00730528 0.00173686 0.00139293 GRASP + ECEMODist Máximo 1 1 0.02435898 0.01989071 0.00609725 0.00418483 Mínimo 0 0 0 0 0 0 Media 0.4463889 0.41250001 0.03071842 0.01350783 0.00142852 0.00145474 GRASP + BTM Máximo 0.80000001 0.625 0.07636753 0.02884996 0.00537074 0.00669181 Mínimo 0.80000001 0 0.00515842 0 3.60E-04 8.25E-04 Media 0.9493254 0.56186509 0.01171226 0.0046761 0.00222105 0.00247938 GRASP + RSMU Máximo 1 0.77777779 0.02565396 0.01155681 0.00750483 0.0055176 Mínimo 0.16666667 0 0.00116058 0 6.76E-04 9.80E-05 Media 0.66142858 0.23988096 0.00614531 0.00109807 0.00131229 0.00128932 GRASP + RSMMC Máximo 1 0.75 0.02346146 0.00510702 0.0026894 0.0056981 Los algoritmos que peor comportamiento tienen respecto a la métrica Tasa de error son RSMU y GRASP + RSMU. El resto de los algoritmos se comportan de manera similar, destacándose BTM y GRASP + BTM como los algoritmos de mejores resultados en la métrica analizada. 59
En cuanto a la métrica Distancia generacional, se observa que el algoritmo BTM tiene buenos resultados, no siendo así con GRASP + BTM que presenta los peores resultados en esta métrica. La dispersión es buena en todos los algoritmos analizados, siendo los peores valores los obtenidos con RSMU y GRASP + RSMU. En el anexo 10 se muestran los resultados obtenidos para la métrica Cobertura en este escenario. En esta métrica los algoritmos con mejores resultados fueron ECEMODist, BTM, GRASP + ECEMODist y los de peores resultaron fueron RSMU, GRASP + RSMU y GRASP + RSMMC indistintamente en los escenarios de CITI y Softel. Tabla 13. Tiempo mínimo, promedio y máximo en la ejecución de los algoritmos en el escenario 1. Algoritmo / Tiempo (segundos) Escenario 1 CITI Softel Mínimo 27.924 41.792 Promedio 31.8487 49.926632 ECEMO Máximo 36.909 52.916 Mínimo 69.155 83.288 Promedio 72.9112 101.83463 ECEMOR Máximo 77.672 110.057 Mínimo 69.514 86.067 Promedio 73.6954 114.72979 ECEMODist Máximo 78.39 119.653 Mínimo 8.174 6.989 Promedio 8.71121 7.188421 BTM Máximo 9.141 7.628 Mínimo 35.209 44.429 Promedio 36.0493 46.57353 RSMU Máximo 36.926 51.308 Mínimo 25.022 38.563 Promedio 29.391 49.908474 RSMMC Máximo 33.898 53.586 Mínimo 30.67 64.428 Promedio 35.1164 80.6259 GRASP + ECEMO Máximo 39.047 97.828 Mínimo 72.664 92.68 Promedio 75.2316 115.95094 GRASP + ECEMOR Máximo 80.247 133.115 Mínimo 70.091 323.741 Promedio 74.2561 346.2497 GRASP + ECEMODist Máximo 77.625 367.034 Mínimo 2.98 14.29 Promedio 3.354 16.067947 GRASP + BTM Máximo 3.791 18.174 Mínimo 36.083 70.013 Promedio 38.5831 72.40794 GRASP + RSMU Máximo 40.217 75.66 Mínimo 31.559 64.662 Promedio 34.6962 77.862946 GRASP + RSMMC Máximo 38.283 80.917 De manera general para este escenario los mejores resultados los reporta el algoritmo BTM y los peores RSMU y GRASP + RSMU, aunque el resto de los algoritmos muestran un buen desempeño. 60
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 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: Tabla 10. Cantidad de soluciones en
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?