Digitalia
Advanced Search
Metaheurísticas

Metaheurísticas

  • Author: Gallego Carrillo, Micael; Pantrigo Fernández, Juan José; Duarte Muñoz, Abraham
  • Publisher: Dykinson
  • Serie: CC. Experimentales
  • ISBN: 9788498490169
  • Place of publication:  Madrid , Spain
  • Year of publication: 2007
  • Pages: 220

La presente obra tiene como objetivo recoger una visión resumida, aunque completa, del estado de la cuestión en el ámbito de las metaheurísticas. En ella, se ha prestado especial atención a la presentación didáctica de los contenidos, de forma que sean entendibles para lectores de formación científico-técnica con conocimientos básicos de algoritmia y programación. Por lo tanto, este libro está dirigido tanto a aquellos que cursan estudios de postgrado como a los que necesitan resolver problemas de optimización en el ejercicio de su profesión.

  • Title page
  • Copyright page
  • Índice general
  • Índice de figuras
  • Índice de algoritmos
  • Prólogo
  • 1. Introducción a la Optimización
    • 1.1. Introducció
      • 1.1.1. Heurística
      • 1.1.2. Metaheurística
    • 1.2. Definicione
      • 1.2.1. Vecindadyóptimoslocale
      • 1.2.2. Intensificación y diversificació
    • 1.3. Complejidad algorítmica: problemas P y NP
    • 1.4. Limitacionesdelosalgoritmosexacto
  • 2. Problemas Clásicos de Optimización
    • 2.1. Introducción
    • 2.2. El problema del viajante de comercio
    • 2.3. El problema del enrutamiento de vehículos
    • 2.4. El problema de la mochila
    • 2.5. El problema del corte máximo sobre grafos
    • 2.6. El problema de la máxima diversidad
    • 2.7. El problema de la ordenación lineal
  • 3. Algoritmos Heurísticos
    • 3.1. Introducción
    • 3.2. Definiciones de algoritmos heurísticos
    • 3.3. Clasificación de algoritmos heurísticos
    • 3.4. Limitaciones de los algoritmos heurísticos
  • 4. Algoritmos Metaheurísticos
    • 4.1. Introducción
    • 4.2. Clasificación de algoritmos metaheurísticos
      • 4.2.1. Taxonomías clásicas
      • 4.2.2. Taxonomía tabular
      • 4.2.3. Taxonomía jerárquica
      • 4.2.4. Taxonomía basada en la relación intensificación-diversificación
    • 4.3. Limitaciones de los algoritmos metaheurísticos
  • 5. Metaheurísticas Trayectoriales
    • 5.1. Introducción
    • 5.2. Búsqueda tabú
    • 5.3. Recocido simulado
    • 5.4. Búsqueda de vecindad variable
    • 5.5. Búsqueda local guiada
    • 5.6. Aceptación de umbral
    • 5.7. Métodos ruidosos
    • 5.8. Fans
    • 5.9. Búsqueda local iterativa
  • 6. Metaheurísticas Poblacionales
    • 6.1. Introducción
    • 6.2. Algoritmos evolutivos
      • 6.2.1. Algoritmos genéticos
      • 6.2.2. Algoritmos meméticos
    • 6.3. Búsqueda dispersa
    • 6.4. Reencadenamiento de trayectorias
    • 6.5. Algoritmos de estimación de la distribución
    • 6.6. Algoritmos culturales
    • 6.7. Inteligencia de enjambre y opt.por enjambre de partículas
  • 7. Metaheurísticas Constructivas
    • 7.1. Introducción
    • 7.2. Métodos multi-arranque
    • 7.3. Grasp
    • 7.4. Concentración heurística
    • 7.5. Optimización por colonias de hormigas
    • 7.6. Popmusic
    • 7.7. Equipos asíncronos
  • 8. Tendencias Actuales en Optimización Metaheurística
    • 8.1. Introducción
    • 8.2. Técnicas híbridas
    • 8.3. Hiperheuristicas
    • 8.4. Implementaciones avanzadas
      • 8.4.1. Análisis del espacio de búsqueda
      • 8.4.2. Búsquedas multi-objetivo
      • 8.4.3. Implementaciones paralelas
    • 8.5. Optimización dinámica
      • 8.5.1. Algoritmos evolutivos
      • 8.5.2. Optimización por colonias de hormigas
      • 8.5.3. Algoritmos culturales
      • 8.5.4. Inteligencia de enjambre
      • 8.5.5. Filtro de partículas metaheurístico
  • 9. Búsqueda dispersa aplicada al MDP
    • 9.1. Introducción
    • 9.2. Ejemplo detallado
    • 9.3. Aplicación de la búsqueda dispersa
      • 9.3.1. Distancia entre soluciones
      • 9.3.2. Métodos de generación de soluciones diversas
      • 9.3.3. Método de generación de subconjuntos
      • 9.3.4. Métodos de combinación
      • 9.3.5. Métodos de mejora
      • 9.3.6. Filtro en el método de mejora
  • 10. Cuestiones de implementación
    • 10.1. Introducción
    • 10.2. Diseño
    • 10.3. Detalles de implementación
      • 10.3.1. Algoritmo Scatter Search
      • 10.3.2. Algoritmo de diversificación
      • 10.3.3. Generación de soluciones diversas. Selección aleatoria
      • 10.3.4. Método de combinación. SelecciónD-2
      • 10.3.5. Métodode Mejora. Búsqueda Local Mejorada
  • A. Especificación de la Sintaxis del Lenguaje Algorítmico
    • A.1. Tipos de datos básicos
      • A.1.1. Integer
      • A.1.2. Real
      • A.1.3. Char
      • A.1.4. Boolean
      • A.1.5. Operadores de relación
    • A.2. Comentarios
    • A.3. Estructura de un algoritmo
      • A.3.1. Cabecera
      • A.3.2. Declaración de variables
      • A.3.3. Cuerpo del algoritmo
    • A.4. Instrucciones
      • A.4.1. Instrucción de asignación
      • A.4.2. Instrucciones en lenguaje natural
      • A.4.3. Estructuras de selección
      • A.4.4. Estructuras de repetición
      • A.4.5. Llamadas a otros algoritmos
    • A.5. Tipos de datos derivados
      • A.5.1. Arrays
      • A.5.2. Registros
      • A.5.3. Listas
  • B. Definición de Tipos de Datos
    • B.1. TipoComponente
    • B.2. TipoSolucion
    • B.3. TipoOperador
    • B.4. TipoFuncionObjetivo
  • C. Tabla de acrónimos
  • Bibliografía

Subjects

Back
Login to your account

Viewers online

  • Text
  • ReadSpeaker Audio

Download options

  • Adobe DRM Adobe DRM
  • Loan duration: 21 days
  • Format: PDF

SUBSCRIBE TO OUR NEWSLETTER

By subscribing, you accept our Privacy Policy

©2018 - 2025 Digitalia - All rights reserved