TESIS-MAG-0201.pdf
TESIS-MAG-0201.pdf
TESIS-MAG-0201.pdf
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
109<br />
La conclusión inmediata que se obtiene es que para obtener resultados de<br />
una calidad similar a los que alcanza SB-TWT, el algoritmo de tabu search<br />
implementado debe invertir un orden de magnitud más de tiempo en la búsqueda. Ese es<br />
el costo que debe pagar por no involucrarse tanto en la estructura del problema, cosa que<br />
si hace y explota el algoritmo SB-TWT.<br />
Dependiendo de la solución que con que comienza, el algoritmo se demora<br />
más o menos en acercarse al mejor valor conocido de la instancia. Los resultados<br />
experimentales demuestran que no necesariamente los mejores puntos de partida (en<br />
cuanto a valor de la función objetivo) producen los mejores resultados finales. De los<br />
mejores resultados obtenidos, en 9 de ellos la heurística 2 fue la utilizada para generar el<br />
punto de partida, mientras que la heurística 3 dio origen al punto inicial en 6<br />
oportunidades. Los restantes puntos fueron generados por la heurística 1.<br />
c) Ajuste de Parámetros<br />
El algoritmo tiene dos parámetros que pueden considerarse fundamentales y<br />
ellos son el tamaño de la vecindad y el largo inicial de las listas tabú. El ajuste de<br />
parámetros consistió entonces en determinar que sucede con dichos factores.<br />
De las tablas 5.4 y 5.5 se concluye que 10.000 iteraciones es un esfuerzo de<br />
cómputo razonable que permite alcanzar soluciones del mismo orden de magnitud del<br />
óptimo. Por lo tanto, el ajuste de parámetros se realizó con dicha base.<br />
A partir de la especificación de la figura 5.5, se crearon 4 heurísticas<br />
adicionales. Las primera heurística (par- 1) usó como tamaño de la lista de candidatos<br />
10, mientras que la segunda (par-2) disminuyó el tamaño a 3. Las restantes dos tuvieron