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.
a)<br />
Inicio del ciclo<br />
b)<br />
la =a a<br />
Figura 1.6 : Aparición de ciclos durante el proceso de búsqueda.<br />
El método de eliminación de inversos [Glover 90a, Dammeyer 91,<br />
Dammeyer 931 evita este problema eliminando de la lista tabú aquellos cambios que<br />
sean inversos entre sí, lo que reduce el número de elementos de ella como se muestra en<br />
la figura 1 .6b. Sin embargo, en [Battiti 941 se demuestra que dicho método no es<br />
suficiente y que los óptimos locales se comportan como atractores sobre los cuales la<br />
búsqueda queda atrapada. Cuando eso sucede propone que comience una fase de<br />
perturbación aleatoria hasta salir de dicha región.<br />
g) Genetic algorithms<br />
El enfoque genético [Goldberg 89, Reeves 93, Bean 94, Anderson 961.<br />
plantea que el proceso de búsqueda puede enfocarse como un proceso evolutivo. En<br />
dicho proceso existe un conjunto de soluciones la que se denomina población. Es decir,<br />
el algoritmo en vez de iterar con una solución como los demás algoritmos de búsqueda<br />
local, lo hace con un conjunto de ellas. El vector solución que corresponde a la<br />
codificación de la solución corresponde a un cromosoma, una variable específica dentro<br />
del vector se conoce como gen y al valor asignado a dicha variable se le denomina<br />
alelo.<br />
Los operadores de la búsqueda genética se distinguen del resto de los<br />
algoritmos de búsqueda local porque combinan soluciones entre sí para formar nuevas<br />
14