Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Computación y Sistemas
versión On-line ISSN 2007-9737versión impresa ISSN 1405-5546
Resumen
VELASCO, Jonás et al. Búsqueda aleatoria adaptiva para problemas de optimizacón global sin restricciones. Comp. y Sist. [online]. 2014, vol.18, n.2, pp.243-257. ISSN 2007-9737. https://doi.org/10.13053/CyS-18-2-2014-030.
El algoritmo del Muestreador Adaptivo de Gibbs (MAG) es una nueva heurística para la optimización global irrestricta. El algoritmo MAG es un método basado en poblaciones que utiliza una estrategia de búsqueda aleatoria para generar un nuevo conjunto de soluciones potenciales. La búsqueda aleatoria combina el algoritmo unidimensional de Metrópolis-Hastings con el multidimensional muestreador de Gibbs, de tal manera que el nivel de ruido se puede controlar adaptativamente de acuerdo al panorama de la función. Existe un buen equilibrio entre la exploración y la explotación en todo el espacio de búsqueda. Una estrategia de búsqueda local puede acoplarse a la búsqueda aleatoria con el fin de intensificar en las regiones prometedoras. Los experimentos se desarrollaron sobre tres problemas conocidos en un rango de dimensiones, con un banco de prueba resultante de 33 instancias. El algoritmo MAG se comparó contra dos métodos deterministas y tres métodos estocásticos. Los resultados muestran que el algoritmo MAG es robusto en problemas que involucran aspectos centrales que determinan principalmente la dificultad de los problemas de optimización global, es decir, de alta dimensionalidad, multimodalidad y la no suavidad.
Palabras llave : Búsqueda aleatoria; algoritmo de Metrópolis-Hastings; heurísticas; optimización global.