Estudio de técnicas de búsqueda por vecindad a muy gran escala

gr202 1,02 0,00 0,81 ----
gr229 0,23 0,00 0,20 ----
gr431 0,91 0,00 1,14 ----
La tabla 2 muestra un resumen del rendimiento del algoritmo de (REGO) [61], del de Helsgaun-Lin-
Kernighan (HLK) [39], y de la implementación de Lin y Kernighan (JM-LK) de Johnson et al. [42]
(Atención al error: no se ha encontrado la fuente de referencia) para instancias grandes del problema del
viajante de comercio. La tabla refleja el % de desviación media para cada algoritmo.
Tabla 2. Instancias grandes del TSP: % de desviación media tras varias ejecuciones
Problema Rego JM-LK HLK
dsj1000 1,10 3,08 0,035
pr1002 0,86 2,61 0,00
pr2392 0,79 2,85 0,00
pcb3038 0,97 2,04 0,00
fl3795 7,16 8,41 ----
fl4461 1,06 1,66 0,001
pla7397 1,57 2,19 0,001
A continuación nos fijaremos en el problema del árbol de expansión mínima capacitado; un supuesto
especial del problema de la partición ya visto en el apartado 4. Abundando en la estructura del problema,
Ahuja et al. [2] han desarrollado un algoritmo de búsqueda por vecindad a muy gran escala basado en
vecindades de intercambios cíclicos. Se trata de un algoritmo de gran eficiencia con el que se han
obtenido soluciones mejoradas para muchos problemas patrón. Actualmente, ofrece la mejor solución
existente para cada una de las instancias que aparecen en la lista de patrones, a la que se puede acceder
en http://www.ms.ic.ac.uk/info.html.
Finalmente, en nuestro último ejemplo nos fijaremos en algoritmos de búsqueda por vecindad a muy
gran escala para problemas de asignación generalizada (GAP). Yagiura et al. [80] han desarrollado un
algoritmo de búsqueda tabú basado en ejection chain para este tipo de problemas y afirman haber
obtenido, en un tiempo de cálculo razonable, soluciones superiores o, al menos, comparables, a las
32