ACO CON UNA ESTRATEGIA DE EXPLORACIÓN EN DOS ETAPAS PARA EL PROBLEMA DE CUBRIMIENTO DE CONJUNTOS
Byron Oviedo, Amilkar Puris, Harold Escobar, Jorge Murillo, Janeth Mora, Yaima Trujillo, Jorge Guanín
2017
REVISTA INVESTIGACION OPERACIONAL
unpublished
Optimization based on Ant Colony two stages (TS-ac), it represents a way to improve exploration strategy meta-heuristic optimization based on Ant Colony (ACO). TS-ACO, it is based on the methodology of "divide and conquer" and its effectiveness has been proven in several discrete optimization problems. In this paper, three approaches to TS-ACO are presented and appropriate adjustments are made to test their effectiveness in solving the problem of Coverage Sets (SCP). These approaches use
more »
... results (only sub solution (S-TS-ACO) or only pheromone trail (P-TS-ACO) or both (PS-TS-ACO)), obtained in the first phase, in order to guide exploration in the second phase of the search process. Experimental results show that the best solutions are achieved by the variant P-TS-ACO. Finally a comparative study of the two-stage strategy and the original ACO strategy was performed. The results show that the proposed P-TS-ACO, you get significantly better results than the original strategy, in the same execution time and under the same parameter values. MSC: 90C59 RESUMEN La Optimización basada en Colonia de Hormigas en dos Etapas (TS-ACO), representa una manera de mejorar la estrategia de exploración de la meta-heurística Optimización basada en Colonia de Hormigas (ACO). TS-ACO, se basa en la metodología de "divide y vencerás" y su eficacia ha sido probada en varios problemas discretos de optimización. En este trabajo, se presentan tres enfoques de TS-ACO y se realizan los ajustes pertinentes para probar su eficacia en la solución del Problema de Cubrimiento de Conjuntos (SCP). Estos enfoques utilizan los resultados parciales (sólo sub solución (S-TS-ACO) o sólo rastro de feromonas (P-TS-ACO) o ambos (PS-TS-ACO)), obtenidos en la primera fase, con el fin de guiar la exploración en la segunda fase del proceso de búsqueda. Los resultados experimentales muestran que las mejores soluciones son alcanzadas por la variante P-TS-ACO. Finalmente se realizó un estudio comparativo entre la estrategia en dos etapas y la estrategia original de ACO. Los resultados muestran que la propuesta P-TS-ACO, obtiene resultados significativamente mejores que la estrategia original, en el mismo tiempo de ejecución y bajo los mismos valores de los parámetros. PALABRAS CLAVE: Optimización basada en Colonias de Hormigas, Estrategia Divide y Vencerás, Conjunto de Cubrimiento MSC: 90C59 1. INTRODUCCIÓN El Problema de Cubrimiento de Conjuntos (Set Covering Problem, SCP) es un problema clásico de optimización discreta que pertenece a la categoría de NP-Completos [1]. Se caracteriza principalmente por el gran tamaño que tienen sus instancias reales, lo que provoca que la operatividad de los algoritmos existentes sean extremadamente costosa [2] en términos computacionales. Este problema tiene diferentes aplicaciones, entre las que podemos destacar la localización de servicios (hospitales, bomberos, etc.), la asignación de tripulaciones a vuelos, la disposición de productos en grandes almacenes, la disposición de carreteras y vías férreas, la disposición de distritos electorales, conservación biológica de las especies, entre muchas otras [3]. Diferentes meta heurísticas [4, 5, 6, 7], han sido diseñadas para resolver de forma aproximada este problema. Dentro de los modelos meta heurísticos más estudiados en este contexto, se encuentra la Optimización basada en Colonias de Hormigas (Ant Colony Optimization, ACO) [8]. Donde un conjunto de hormigas artificiales realizan un proceso constructivo de soluciones, manteniendo una comunicación indirecta, a través de rastros artificiales de feromonas. En [9] se presenta un estudio detallado de algunos algoritmos ACO para la solución del SCP. 1
fatcat:ei6xehpv45f2xekau3lpus3xty