Algoritmo Genético de Agrupación con Transmisión de Genes Controlada para el Problema de Empacado de Objetos
Autores:
Dra. Marcela Quiroz Castellanos, Dra. Laura Cruz Reyes, Dr. José Torres Jiménez, Dr. Juan Javier González Barbosa, Dra. Elba Patricia Melin Olmeda, Dr. Héctor Joaquín Fraire Huacuja, Dra. Claudia Guadalupe Gómez Santillán.
En este trabajo se abordó un Algoritmo Genético de Agrupamiento con Transmisión de Genes Controlada (Grouping Genetic Algorithm with Controlled Gene Transmission, GCA-CGT) para resolver el Problema de Empacado de Objetos en Contenedores (Bin Packing Problem, BPP).
Este algoritmo promueve la trasmisión de los mejores genes en los cromosomas sin la pérdida de balance entre la presión selectiva y la diversidad poblacional. Esto se logra por medio de nuevos conjuntos de operadores genéticos de agrupamiento, mientras que la evolución es balanceada con una nueva técnica de reproducción que controla la exploración en el espacio de búsqueda y previene la convergencia prematura del algoritmo.
Los contenidos que se pueden encontrar en este trabajo son:
Sistema de Múltiples Colonias de Hormigas para el Problema de Rutas de Vehículos con Ventanas de Tiempo
Autores:
MCC. José Ricardo Cámara Covarrubias, MCC. Juan José Martínez Ponce, Dr. Juan Javier González Barbosa, Dra. Claudia Guadalupe Gómez Santillán, Dra. Laura Cruz Reyes, Dr. Héctor Joaquín Fraire Huacuja.
En este trabajo se abordó un algoritmo de Sistema de Múltiples Colonias de Hormigas (Multiple Ant Colony System, MACS) para resolver el Problema de Ruta de Vehiculos (Vehicle Routing Problem with Time Windows, VRPTW). El algoritmo hace uso de hormigas artificiales que parten de un almacén central a un conjunto de clientes a visitar, mientras se cumplan con las restricciones de capacidad de vehículos y de ventanas de tiempo.
MACS-VRPTW busca optimizar ambos objetivos del VRPTW al coordinar las actividades de dos colonias de hormigas. El objetivo de la primera colonia, es tratar de disminuir el número de vehículos usados, mientras que en una segunda colonia optimiza la solución factible encontrada por la primera colonia. Ambas colonias usan rastros de feromona independiente.
Los contenidos que se pueden encontrar en este trabajo son:
- Tesis asociadas
- Artículos relacionados
- Instancias
- Códigos
- Manual
Optimización por Colonia de Hormigas No Sobreclasificada para Selección de Cartera de Proyectos
Autores:
Dr. Gilberto Rivera Zárate, Dra. Claudia Guadalupe Gómez Santillán, Dr. Eduardo René Fernández González, Dra. Laura Cruz Reyes, Dr. Juan Javier González Barbosa, Dr. Oscar Castillo López.
En este trabajo se presenta un enfoque de solución llamado (Non-Outranked Ant Colony Optimization, NO-ACO), que es un enfoque metaheurístico el cual optimiza carteras de proyectos interdependientes con decisiones de apoyo parcial. Este enfoque también incorpora una articulación a priori de las preferencias del decisor basada en un modelo de sobreclasificación.
El proceso de optimización se desempeña a través de una colonia de hormigas artificiales. En la primera iteración, las hormigas optimizan una función de suma ponderada haciendo uso del procedimiento Branch & Cut implementado en CPlex 12.5. Se mide la calidad de estas soluciones, para que, subsiguientemente, las hormigas realicen el primer depósito de feromona en base a las soluciones mejor evaluadas, incrementando así la presión selectiva hacia el mejor compromiso. Asimismo, NO-ACO incluye una búsqueda local de vecindad variable que se realiza sobre las mejores soluciones generadas en cada iteración.
Los contenidos que se pueden encontrar en este trabajo son:
