Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos

Autores
Sivori, Gastón; Verrastro, Claudio; Gómez, Juan Carlos
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Simulated Annealing (SA) o Metropolis es un algoritmo de búsqueda de soluciones que em- plea meta-heurística para problemas de optimización global donde el objetivo es encontrar buenas aproximaciones al valor óptimo de una función en un espacio de búsqueda grande. Su implementación estándar presenta dispersión en la calidad de las respuestas encontradas debido a que explora el espacio de soluciones en forma estocástica. En este trabajo, se pre- senta una implementación del algoritmo de SA que utiliza la preservación de menores cos- tos en problemas de optimización global y permite obtener soluciones mejores, con menor dispersión y manteniendo tiempos de convergencia finitos. La preservación de los menores costos se realiza durante el proceso de generación aleatoria (perturbación) de la nueva so- lución a partir de la solución corriente. La modificación se hace conservando una parte de la solución elegida con una probabilidad inversamente proporcional a su costo parcial. La implementación del algoritmo se llevó a cabo en Matlab® y se comparó contra el recocido simulado estándar en problemas TSP simétricos de la librería TSPLIB obteniendo soluciones excelentes para problemas de n < 200 nodos.
Simulated Annealing (SA) or Metropolis is a search algorithm that uses meta-heuristics for solve global optimization problems, where the goal is find-out good approximations to the optimal value of a function in a large search space. Its standard implementation has a high degree of dispersion in the solutions quality due to the stochastic nature of the search pro- cedure. In this paper, an implementation of the SA algorithm that promote short paths (SPP) in global optimization problems yields better solutions keeping finite convergence times. Preservation of short paths is performed during the random generation process of a new solution (perturbation). The random selected partial path is preserved in the new solution with an inversely probability to its cost. The implementation of this algorithm was carried out in Matlab®, the results are evaluated comparing with the standard implementation in symmetrical TSP problems from the TSPLIB, the performance obtained was promising for problems of n < 200 nodes.
Fil: Sivori, Gastón. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.
Fil: Verrastro, Claudio. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.
Fil: Verrastro, Claudio. Universidad Tecnológica Nacional. Grupo de Inteligencia Artificial y Robótica (GIAR). Facultad Regional Buenos Aires; Argentina.
Fil: Verrastro, Claudio. Comisión Nacional de Energía Atómica. Centro Atómico Ezeiza, Instrumentación y Control; Argentina.
Fil: Gómez, Juan Carlos. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.
Fil: Gómez, Juan Carlos. Instituto Nacional de Tecnología Industrial. Instrumentación y Control. Electrónica e Informática; Argentina.
Fil: Gómez, Juan Carlos. Universidad Tecnológica Nacional. Grupo de Inteligencia Artificial y Robótica. Facultad Regional Buenos Aires; Argentina.
Peer Reviewed
Fuente
Proyecciones Vol.16 No.1,37 -47. (2018)
Materia
simulated annealing
problemas combinacionales
tsp si
métrico
preservación de caminos
optimización
simulated annealing
combinational problems
symmetrical tsp
path preservation
optimization
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2021-09-24T20:21:55Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/5477
Acceder
id RIAUTN_07d6e5800e18f93ce756d35f6c5a01e9
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/5477
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costosSivori, GastónVerrastro, ClaudioGómez, Juan Carlossimulated annealingproblemas combinacionalestsp simétricopreservación de caminosoptimizaciónsimulated annealingcombinational problemssymmetrical tsppath preservationoptimizationSimulated Annealing (SA) o Metropolis es un algoritmo de búsqueda de soluciones que em- plea meta-heurística para problemas de optimización global donde el objetivo es encontrar buenas aproximaciones al valor óptimo de una función en un espacio de búsqueda grande. Su implementación estándar presenta dispersión en la calidad de las respuestas encontradas debido a que explora el espacio de soluciones en forma estocástica. En este trabajo, se pre- senta una implementación del algoritmo de SA que utiliza la preservación de menores cos- tos en problemas de optimización global y permite obtener soluciones mejores, con menor dispersión y manteniendo tiempos de convergencia finitos. La preservación de los menores costos se realiza durante el proceso de generación aleatoria (perturbación) de la nueva so- lución a partir de la solución corriente. La modificación se hace conservando una parte de la solución elegida con una probabilidad inversamente proporcional a su costo parcial. La implementación del algoritmo se llevó a cabo en Matlab® y se comparó contra el recocido simulado estándar en problemas TSP simétricos de la librería TSPLIB obteniendo soluciones excelentes para problemas de n &lt; 200 nodos.Simulated Annealing (SA) or Metropolis is a search algorithm that uses meta-heuristics for solve global optimization problems, where the goal is find-out good approximations to the optimal value of a function in a large search space. Its standard implementation has a high degree of dispersion in the solutions quality due to the stochastic nature of the search pro- cedure. In this paper, an implementation of the SA algorithm that promote short paths (SPP) in global optimization problems yields better solutions keeping finite convergence times. Preservation of short paths is performed during the random generation process of a new solution (perturbation). The random selected partial path is preserved in the new solution with an inversely probability to its cost. The implementation of this algorithm was carried out in Matlab®, the results are evaluated comparing with the standard implementation in symmetrical TSP problems from the TSPLIB, the performance obtained was promising for problems of n &lt; 200 nodes.Fil: Sivori, Gastón. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.Fil: Verrastro, Claudio. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.Fil: Verrastro, Claudio. Universidad Tecnológica Nacional. Grupo de Inteligencia Artificial y Robótica (GIAR). Facultad Regional Buenos Aires; Argentina.Fil: Verrastro, Claudio. Comisión Nacional de Energía Atómica. Centro Atómico Ezeiza, Instrumentación y Control; Argentina.Fil: Gómez, Juan Carlos. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.Fil: Gómez, Juan Carlos. Instituto Nacional de Tecnología Industrial. Instrumentación y Control. Electrónica e Informática; Argentina.Fil: Gómez, Juan Carlos. Universidad Tecnológica Nacional. Grupo de Inteligencia Artificial y Robótica. Facultad Regional Buenos Aires; Argentina.Peer Reviewed2021-09-24T20:21:55Z2021-09-24T20:21:55Z2018-04-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfProyecciones, Vol.16 Nro. 11853-6352http://hdl.handle.net/20.500.12272/5477Proyecciones Vol.16 No.1,37 -47. (2018)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccess2021-09-24T20:21:55Zhttp://creativecommons.org/licenses/by-nc/4.0/Atribución-NoComercial 4.0 InternacionalGastón Sivori, Claudio Verrastro, Juan Carlos Gómez.Licencia Creative Commons Atribución -No Comercial2026-09-24T12:47:33Zoai:ria.utn.edu.ar:20.500.12272/5477instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:47:34.295Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
title Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
spellingShingle Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
Sivori, Gastón
simulated annealing
problemas combinacionales
tsp si
métrico
preservación de caminos
optimización
simulated annealing
combinational problems
symmetrical tsp
path preservation
optimization
title_short Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
title_full Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
title_fullStr Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
title_full_unstemmed Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
title_sort Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
dc.creator.none.fl_str_mv Sivori, Gastón
Verrastro, Claudio
Gómez, Juan Carlos
author Sivori, Gastón
author_facet Sivori, Gastón
Verrastro, Claudio
Gómez, Juan Carlos
author_role author
author2 Verrastro, Claudio
Gómez, Juan Carlos
author2_role author
author
dc.subject.none.fl_str_mv simulated annealing
problemas combinacionales
tsp si
métrico
preservación de caminos
optimización
simulated annealing
combinational problems
symmetrical tsp
path preservation
optimization
topic simulated annealing
problemas combinacionales
tsp si
métrico
preservación de caminos
optimización
simulated annealing
combinational problems
symmetrical tsp
path preservation
optimization
dc.description.none.fl_txt_mv Simulated Annealing (SA) o Metropolis es un algoritmo de búsqueda de soluciones que em- plea meta-heurística para problemas de optimización global donde el objetivo es encontrar buenas aproximaciones al valor óptimo de una función en un espacio de búsqueda grande. Su implementación estándar presenta dispersión en la calidad de las respuestas encontradas debido a que explora el espacio de soluciones en forma estocástica. En este trabajo, se pre- senta una implementación del algoritmo de SA que utiliza la preservación de menores cos- tos en problemas de optimización global y permite obtener soluciones mejores, con menor dispersión y manteniendo tiempos de convergencia finitos. La preservación de los menores costos se realiza durante el proceso de generación aleatoria (perturbación) de la nueva so- lución a partir de la solución corriente. La modificación se hace conservando una parte de la solución elegida con una probabilidad inversamente proporcional a su costo parcial. La implementación del algoritmo se llevó a cabo en Matlab® y se comparó contra el recocido simulado estándar en problemas TSP simétricos de la librería TSPLIB obteniendo soluciones excelentes para problemas de n &lt; 200 nodos.
Simulated Annealing (SA) or Metropolis is a search algorithm that uses meta-heuristics for solve global optimization problems, where the goal is find-out good approximations to the optimal value of a function in a large search space. Its standard implementation has a high degree of dispersion in the solutions quality due to the stochastic nature of the search pro- cedure. In this paper, an implementation of the SA algorithm that promote short paths (SPP) in global optimization problems yields better solutions keeping finite convergence times. Preservation of short paths is performed during the random generation process of a new solution (perturbation). The random selected partial path is preserved in the new solution with an inversely probability to its cost. The implementation of this algorithm was carried out in Matlab®, the results are evaluated comparing with the standard implementation in symmetrical TSP problems from the TSPLIB, the performance obtained was promising for problems of n &lt; 200 nodes.
Fil: Sivori, Gastón. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.
Fil: Verrastro, Claudio. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.
Fil: Verrastro, Claudio. Universidad Tecnológica Nacional. Grupo de Inteligencia Artificial y Robótica (GIAR). Facultad Regional Buenos Aires; Argentina.
Fil: Verrastro, Claudio. Comisión Nacional de Energía Atómica. Centro Atómico Ezeiza, Instrumentación y Control; Argentina.
Fil: Gómez, Juan Carlos. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Departamento de Ingeniería Electrónica; Argentina.
Fil: Gómez, Juan Carlos. Instituto Nacional de Tecnología Industrial. Instrumentación y Control. Electrónica e Informática; Argentina.
Fil: Gómez, Juan Carlos. Universidad Tecnológica Nacional. Grupo de Inteligencia Artificial y Robótica. Facultad Regional Buenos Aires; Argentina.
Peer Reviewed
description Simulated Annealing (SA) o Metropolis es un algoritmo de búsqueda de soluciones que em- plea meta-heurística para problemas de optimización global donde el objetivo es encontrar buenas aproximaciones al valor óptimo de una función en un espacio de búsqueda grande. Su implementación estándar presenta dispersión en la calidad de las respuestas encontradas debido a que explora el espacio de soluciones en forma estocástica. En este trabajo, se pre- senta una implementación del algoritmo de SA que utiliza la preservación de menores cos- tos en problemas de optimización global y permite obtener soluciones mejores, con menor dispersión y manteniendo tiempos de convergencia finitos. La preservación de los menores costos se realiza durante el proceso de generación aleatoria (perturbación) de la nueva so- lución a partir de la solución corriente. La modificación se hace conservando una parte de la solución elegida con una probabilidad inversamente proporcional a su costo parcial. La implementación del algoritmo se llevó a cabo en Matlab® y se comparó contra el recocido simulado estándar en problemas TSP simétricos de la librería TSPLIB obteniendo soluciones excelentes para problemas de n &lt; 200 nodos.
publishDate 2018
dc.date.none.fl_str_mv 2018-04-01
2021-09-24T20:21:55Z
2021-09-24T20:21:55Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv Proyecciones, Vol.16 Nro. 1
1853-6352
http://hdl.handle.net/20.500.12272/5477
identifier_str_mv Proyecciones, Vol.16 Nro. 1
1853-6352
url http://hdl.handle.net/20.500.12272/5477
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2021-09-24T20:21:55Z
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Gastón Sivori, Claudio Verrastro, Juan Carlos Gómez.
Licencia Creative Commons Atribución -No Comercial
eu_rights_str_mv openAccess
rights_invalid_str_mv 2021-09-24T20:21:55Z
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Gastón Sivori, Claudio Verrastro, Juan Carlos Gómez.
Licencia Creative Commons Atribución -No Comercial
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv Proyecciones Vol.16 No.1,37 -47. (2018)
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230938955448320
score 13.265058

Publicaciones similares