Upload
others
View
14
Download
0
Embed Size (px)
Citation preview
ALGORITMO DE OPTIMIZACIÓN BASADO EN EL APAREAMIENTO
DE LAS ABEJAS(HBMO). UN NUEVO ENFOQUE
HEURÍSTICO DE OPTIMIZACIÓN.
OMID BOZORG HADDAD, ABBAS AFSHAR, MIGUEL A. MARIÑO
Víctor Fernández MoraManuel Sifón MirallesRaquel Torres Remón
ÍNDICE
1. INTRODUCCIÓN
2. ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3. MODELADO DE LAS ABEJAS
4. REPRESENTACIÓN DE LA SOLUCIÓN
5. APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6. CONCLUSIONES
2 de 13
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
Métodos de optimización tradicionales
Búsqueda directa Búsqueda por gradientes
F(x) objetivoRestricciones
Derivadas F(x) objetivo
Ventaja/Inconveniente
En ocasiones no son buenos candidatos para la resolución de algunos problemas
Última década/Actualidad
Algoritmos Evolutivos y Metaheurísticos
Ventajas
Algoritmos genéticosInsectos sociales
Hormigas Abejas –> HBMO
1.INTRODUCCIÓN
3 de 13
Estructura APAREAMIENTO
Abejas reinas-poner huevosZánganos-fecundas a abejas reinaObreras-alimentar a las crías
REINAS
OBRERASZÁNGANOS
Fecundación
Huevos
Reinas ZánganosObreras
+DIVERSIDAD GENÉTICA
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
4 de 13
3.MODELADO DE LAS ABEJAS
ETAPAS DEL ALGORITMO
1. Selección probabilistica de los zánganos y la abeja reina para crear más crias
2. Creación de crias por el apareamiento de los zánganos con la reina
3. Uso de obreras para llevar a cabo una búsqueda local sobre las crías
4. Adaptación de la aptitud de los obreras para saber la cantidad de mejora de las crías
5. Reemplazo de las abejas reina más débiles por las crías más aptas
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
5 de 13
4.REPRESENTACIÓN DE LA SOLUCIÓN
ZÁNGANO OBRERA REINA
GenotipoDefine la aptitud
Genotipo
Creador de genotipo
Conjunto de diferentes heurísticas
Velocidad
Energía
Capacidad de la espermateca
CRÍA
Copía de genes zángano y genes reina
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
6 de 13
4.REPRESENTACIÓN DE LA SOLUCIÓN
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
7 de 13
¿Es mejor solución? MantenerSustituir
si no
¿Satisface el criterio de finalización?
FIN
si
Descartar soluciones anteriores y crear nuevas.
Actualizar el valor umbral de la heurísticas para la siguiente iteración
Mejorar el conjunto de soluciones a partir de mutaciones
Generar un nuevo conjunto de soluciones utilizando cruces y heurísticas
Utilizar “Simulated Annealing” para seleccionar el conjunto de soluciones de cría
Categorizar las soluciones y definir el número de iteraciones
Generación aleatoria de un conjunto de soluciones inicial
Definir parámetros de entrada del modelo
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
• Aplicación del algoritmo para probar su rendimiento.
• Tres funciones matemáticas para optimizar (a, b, c).
• Un ejemplo real de una reserva de agua (d).
• Comparación con algoritmos genéticos bien desarrollados.
• Obtención de buenos resultados.
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
8 de 13
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
A. FUNCIÓN DE ACKLEY
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
9 de 13
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
B. SEGUNDA FUNCIÓN NO RESTRINGIDA
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
10 de 13
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
C. FUNCIÓN RESTRINGIDA
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
11 de 13
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
D. CASO DE ESTUDIO
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
12 de 13
6.CONCLUSIONES
1.INTRODUCCIÓN
2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS
3.MODELADO DE LAS ABEJAS
4.REPRESENTACIÓN DE LA SOLUCIÓN
5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO
6.CONCLUSIONES
1. HBMO: algoritmo de búsqueda híbrido inspirado en el apareamiento de las abejas.
2. Una función Annealing define la probabilidad de apareamiento. Diferentes heurísticas mejoran las soluciones generadas.
3. Resultados comparables con los obtenidos con Algoritmos Genéticos bien desarrollados.
4. Muestra gran potencia a la hora de resolver problemas de optimización no lineal.
5. La aplicación del HBMO demuestra una capacidad para desarrollar búsquedas extensivas.
6. HBMO tiene buena respuesta ante problemas con variables discretas y de decisión.
13 de 13