5. Conceptos Previos (Cont.) Vecindario de un punto en el espacio Operador

7. Conceptos Previos (Cont.) Ejemplo de un Algoritmo constructivo Procedure GreedyConstHeurist; Sp  ElegirPrimeraComponente; while (Sp no sea completada) C  ComponenteGreedy(Sp); Sp  Sp  C; end-while S  Sp; return S; end-procedure Esta parte es la que determina la “voracidad”

9. Espacio de Búsqueda del Problema (Ejemplo, TSP) Tamaño N=5,  5!=120 Posibles soluciones N=6,  6!=720 N=100,  100! = ? EB Cada punto en EB es una permutación de las ciudades, p.e. 35142 o 25341 3 4 2 5 1

10. 5 5! en Total 3 4 2 1 Espacio de Búsqueda - TSP Algoritmo de Construcción 3 1 2 5 4 4 1 2 5 5 5 1 2 2 1 1 1 5 1 ¿Cómo elegir la rama a seguir?

14. ACO (Experimentos de base)

18. ACO aplicado a TSP 3 4 2 5 1

19. 5 3 4 2 1 Espacio de Búsqueda - TSP Algoritmo ACO 3 1 2 5 4 4 1 2 5 5 5 1 2 2 1 1 1 5 1 ¿Cómo se elige en un ACO la rama a seguir?

20. El primer algoritmo ACO (Ant System o AS) Inicializar(); for c=1 to Nro_ciclos { for k=1 to Nro_ants ant-k construye solución k ; Guardar la mejor solución; Actualizar Rastro (i.e.,  ij); Reubicar hormigas para el próximo ciclo; } Imprimir la mejor solución encontrada;

21. El primer algoritmo ACO (Ant System o AS) Inicializar(); for c=1 to Nro_ciclos { for k=1 to Nro_ants ant-k construye solución k ; Guardar la mejor solución; Actualizar Rastro (i.e.,  ij); Reubicar hormigas para el próximo ciclo; } Imprimir la mejor solución encontrada; La construcción se realiza paso a paso en forma probabilística considerando  ij y  ij

22. AS - Construcción de una solución para TSP /* S k : Solución o permutación construida por la hormiga k */ S k = Ciudad_Inicial ; (escogida de acuerdo a algún criterio) mientras no se haya completado el tour { Seleccionar próx. Ciudad ( j ) con probabilidad (i es la última ciudad incluida) S k = S k  j }

23. El primer algoritmo ACO (Ant System o AS) Inicializar(); for c=1 to Nro_ciclos { for k=1 to Nro_ants ant-k construye solución k; Guardar la mejor solución; Actualizar Rastro (i.e.,  ij); Reubicar hormigas para el próximo ciclo; } Imprimir la mejor solución encontrada; Se puede hacer considerando todas las soluciones encontradas o un subconjunto de ellas

24. Actualización del Rastro en AS Acumulación de rastro proporcional a la calidad de las soluciones (i.e., NroAnts soluciones): Actualización Efectiva (  es el factor de persistencia del rastro) Este valor es calculado directamente proporcional a la calidad de la solución

27. ¿Que diferencia fundamental existe entre este enfoque ACO y los AEs o Simmulated Annealing ?

28. EB desde la perspectiva de un AE y ACO Solución Completa 3 1 2 5 4 4 1 2 5 5 5 1 2 2 1 1 1 5 1

32. FIN Parte I