PONTIFICIA UNIVERSIDAD

CATLICA DEL ECUADOR

PUCE-SI
Nombre: Kimberly Paredes

Fecha: 2014/06/27

Nivel: 5 Nivel

CONTENIDO

ALGORITMO DE HILL CLIMBING ................................................................................................................ 1

CONCEPTO ..................................................................................................................................... 1
FUNCIONAMIENTO ......................................................................................................................... 2
EJEMPLO - KNAPSACK PROBLEM .................................................................................................... 2
SIMULATED ANNEALING ....................................................................................................................... 3
CONCEPTO ..................................................................................................................................... 3
FUNCIONAMIENTO ......................................................................................................................... 4
EJEMPLO TSP ................................................................................................................................... 4
BSQUEDA TAB ................................................................................................................................... 5
CONCEPTO ..................................................................................................................................... 5
FUNCIONAMIENTO ......................................................................................................................... 5
EJEMPLO PROBLEMA DEL VIAJANTE ........................................................................................... 6

ALGORITMO DE HILL CLIMBING

CONCEPTO
Hill Climbing es una tcnica de optimizacin matemtica que pertenece a la familia de los algoritmos
de bsqueda local. Es un algoritmo iterativo que comienza con una solucin arbitraria a un problema,
luego intenta encontrar una mejor solucin variando incrementalmente un nico elemento de la
solucin. Si el cambio produce una mejor solucin, otro cambio incremental se le realiza a la nueva
solucin, repitiendo este proceso hasta que no se puedan encontrar mejoras.
FUNCIONAMIENTO

Algoritmo: Hill Climbing

Actual Estado_inicial
n falso
mientras no n hacer
Hijos generar_sucesores(Actual)
Hijos ordenar_y_eliminar_peores(Hijos, Actual)
si no vacio?(Hijos) entonces
Actual Escoger_mejor(Hijos)
sino
n cierto
n
n

Slo se consideran los descendientes cuya funcin de estimacin es mejor que la del padre (poda del
espacio de bsqueda).
Se puede usar una pila y guardar los hijos mejores que el padre para hacer backtracking, pero por lo
general es prohibitivo.
Es posible que el algoritmo no encuentre una solucin aunque la haya.

EJEMPLO - KNAPSACK PROBLEM

Solucin: Cualquier combinacin de objetos en la mochila

Solucin Inicial: Mochila vaca

Operadores: Meter y sacar objetos de la mochila

Funcin heurstica:
SIMULATED ANNEALING

CONCEPTO
Es un algoritmo de Hill-Climbing estocstico (elegimos un sucesor de entre todos los posibles segn
una distribucin de probabilidad, el sucesor podra ser peor)
Hacemos paseos aleatorios por el espacio de soluciones
Inspirado en el proceso fsico de enfriamiento controlado (cristalizacin, templado de metales)
Se calienta un metal/disolucin a alta temperatura y se enfra progresivamente de manera controlada
Si el enfriamiento es adecuado se obtiene la estructura de menor energa (mnimo global)
FUNCIONAMIENTOUSER

Algoritmo: Simulated Annealing

Partimos de una temperatura inicial
mientras la temperatura no sea cero hacer
// Paseo aleatorio por el espacio de soluciones
para un numero prejado de iteraciones hacer
Enuevo Genera_sucesor_al_azar(Eactual)
E f (Eactual) f (Enuevo)
si E > 0 entonces
Eactual Enuevo
sino
con probabilidad eE/T: Eactual Enuevo
n
n
Disminuimos la temperatura
n

Debemos identicar los elementos del problema con los del problema fsico
Temperatura, parmetro de control
Energa, calidad de la solucin f (n)
Funcin de aceptacin, permite decidir si escoger un nodo sucesor F(f ,T), funcin de la
emperatura y la diferencia de calidad entre la solucin actual y la solucin candidata
A menor temperatura menor probabilidad de elegir sucesores peores
Estrategia de enfriamiento, nmero de iteraciones a realizar, como bajar la temperatura y
cuantos sucesores explorar para cada paso de temperatura

EJEMPLO TSP
Viajante de comercio (TSP): Espacio de bsqueda N!

Denimos posibles transformaciones de una solucin (operadores):Inversiones, traslaciones,

intercambios

Denimos la funcin de energa (Suma de distancia entre ciudades, segn el orden de la solucin)

Denimos una temperatura inicial (experimentacin)

Determinamos cuantas iteraciones hacemos para cada temperatura y como disminuimos la

temperatura
BSQUEDA TAB

CONCEPTO
La bsqueda Tab surge, en un intento de dotar de inteligencia a los algoritmos de bsqueda local.
Segn Fred Glover, su primer definidor, la bsqueda tab gua un procedimiento de bsqueda local
para explorar el espacio de soluciones ms all del ptimo local.
La bsqueda tab permite moverse a una solucin aunque no sea tan buena como la actual, de modo
que se pueda escapar de ptimos locales y continuar estratgicamente la bsqueda de soluciones an
mejores.

FUNCIONAMIENTO

La bsqueda tab procede como cualquier algoritmo de bsqueda: Dada una solucin x se define un
entorno o vecindario N(x), se evala y se mueve a una mejor solucin pero, en lugar de considerar
todo el entorno o vecindario la bsqueda tab define el entorno reducido N*(x) como aquellas
soluciones disponibles (no tab) del entorno de x.

EJEMPLO PROBLEMA DEL VIAJANTE

El problema del viajante (TSP), es comnmente utilizado para mostrar la funcionalidad de la bsqueda
tab. El TSP requiere buscar un orden en el cual viajar entre ciudades, tal que la distancia recorrida
sea minimizada. Por ejemplo, si las ciudades A y B estn una al lado de la otra, mientras que la ciudad
C est ms lejos, la distancia total recorrida ser ms corta si las ciudades A y B son visitadas una
despus de la otra, antes de visitar C. Como encontrar un orden ptimo para visitar las ciudades en el
TSP es un problema NP-difcil. los mtodos de aproximacin basados en heursticas son tiles para
lograr la optimalidad.

La bsqueda tab puede utilizarse para encontrar una solucin satisfactoria para el TSP. Primero, la
bsqueda tab comienza con una solucin inicial, que puede ser generada con el algoritmo del vecino
ms cercano. Para crear nuevas soluciones, el orden en que dos ciudades son visitadas es
intercambiado. La distancia total recorrida entre todas las ciudades es utilizada para juzgar cuanto
mejor es una solucin de otra. Para prevenir ciclos y para salir de los ptimos locales, una solucin es
agregada a la lista tab si es que es aceptada en N*(x), el vecindario de soluciones. Se continuan
creando nuevas soluciones hasta que algn criterio de parada, como por ejemplo un nmero
arbirtrario de iteraciones, es encontrado. Una vez que la bsqueda tab se detiene, la mejor solucin
es aquella que cuya distancia total a recorrer entre las ciudades es la menor