Modelo hiperheurístico HY X-FPSO CBR SII soportado en metaheurísticas X-PSO multiobjetivo para resolver una clase de problemas de optimización combinatoria

Autores/as

  • Carlos Casanova Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay.
  • Gustavo Schweickardt Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay.
  • Federico Camargo Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay.

Palabras clave:

redes neuronales artificiales, razonamiento basado en casos, optimización por enjambre de partículas, hiperheurísticas de selección, soft computing

Resumen

Las Hiperheurísticas de Selección constituyen métodos de búsqueda concebidos en un nivel de abstracción superior al de las MetaHeurísticas. Para ello, una Función de Selección (FS), cuyo objetivo es decidir cuál de las estrategias MetaHeurísticas se aplica en cada instancia de decisión, evalúa la  aptitud de las mismas en cada solución iterativa. En este trabajo se presenta una HiperHeurística de Selección Basada en Razonamiento (CBR) con dominio en MetaHeurísticas X-PSO MultiObjetivo, HY X-FPSO CBR SII, cuya FS se constituye de una Red Neuronal Artificial (RN) de propagación hacia adelante tipo Multi-Layer Perceptron (MLP). La información utilizada por la FS proviene desde  Indicadores de Inteligencia de Grupo, propuestos por los autores en trabajos previos, que proporcionan una medida de la habilidad de cada MetaHeurística para resolver cierta instancia del problema. Se aborda el diseño de la FS y el método de optimización asociado al Entrenamiento Basado en Casos de la misma. Este novedoso enfoque, aporte principal del trabajo,  permite construir una única FS capaz de resolver dos problemas de optimización combinatoria: el Balance de Cargas de un Sistema Trifásico de Distribución de Energía Eléctrica (SDEE) y la Optimización de la Confiabilidad de un SDEE en Media Tensión.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

BURKE, E. K., HYDE, M., KENDALL, G., OCHOA, G., OZCAN, E., Y WOODWARD, J. R. (2010). A Classification of Hyper-heuristic Approaches. En Handbook of Meta-Heuristics 2nd Edition, pp. 449-468.

CASANOVA, C., Y SCHWEICKARDT, G. (2016a). Análisis Cuantitativo de las Habilidades de Metaheurísticas X-PSO Multiobjetivo mediante Indicadores de Inteligencia de Grupo. En IV Congreso Nacional de Ingeniería en Informática/Sistemas de Información. Salta, Argentina.

CASANOVA, C., Y SCHWEICKARDT, G. (2016b). Análisis de las Habilidades de Metaheurísticas X-PSO Multiobjetivo mediante Indicadores de Inteligencia de Grupo: Aplicación en el Balance de Carga en Redes Eléctricas de Baja Tensión. Revista de la Escuela de Perfeccionamiento en Investigación Operativa, (40), pgs. 23-42.

GARRO, B. A., Y VÁZQUEZ, R. A. (2015). Designing Artificial Neural Networks Using Particle Swarm Optimization Algorithms. Computational Intelligence and Neuroscience, pp. 20-28.

SCHWEICKARDT, G., Y CASANOVA, C. (2017). Modelo HiperHeurístico para la Optimización de la Confiabilidad en Sistemas de Distribución Eléctrica de Media Tensión. En Anales XXX ENDIO y XVIII EPIO, pgs. 138-145.

SCHWEICKARDT, G., CASANOVA, C., Y GIMENEZ ALVAREZ, J. M. (2013). HiperHeurística basada en Razonamiento con Dominio en MetaHeurísticas X-PSO MultiObjetivo HY X-FPSO CBR. Aplicación sobre una Optimización Dinámica Posibilística. Parte 1) Desarrollos Teóricos del Algoritmo HiperHeurístico HY X-FPSO CBR. Revista de la Escuela de Perfeccionamiento en Investigación Operativa, (34), pgs. 8-29.

SCHWEICKARDT, G., Y MIRANDA, V. (2010). Metaheurística FEPSO aplicada a Problemas de Optimización Combinatoria: Balance de Fases en Sistemas de Distribución Eléctrica. Ciencia, Docencia y Tecnología, (40), pgs. 133–163.

SCHWEICKARDT, G., MIRANDA, V., Y ALVAREZ, J. M. G. (2010). Dos Enfoques Metaheurísticos para resolver Problemas de Optimización Combinatoria Multicriterio: Fuzzy Evolutionary Particle Swarm Optimization con Topología Estrella Global/Individual (FEPSO GIST) y Fuzzy Simulated Annealing (FSA). En XXIII ENDIO - XXI EPIO - II ERABIO.

SWAN, J., WOODWARD, J., ÖZCAN, E., KENDALL, G., Y BURKE, E. (2014). Searching the Hyper-heuristic Design Space. Cognitive Computation, 6(1), pp. 66-73.

WOLPERT, D. H., Y MACREADY, W. G. (1997). No free lunch theorems for optimization. IEEE Transactions on Evolutionary Computation, 1(1), pp. 67-82.

Descargas

Publicado

2018-11-30

Número

Sección

Artículos Científicos

Cómo citar

Modelo hiperheurístico HY X-FPSO CBR SII soportado en metaheurísticas X-PSO multiobjetivo para resolver una clase de problemas de optimización combinatoria. (2018). Revista De La Escuela De Perfeccionamiento En Investigación Operativa, 26(44), 4-20. https://revistas.psi.unc.edu.ar/index.php/epio/article/view/22200