Algoritmos de colonias de hormigas para optimización combinatoria con múltiples objetivosaplicaciones a los problemas deminimum spanning trees

  1. Sequeira Cardoso, Pedro Jorge
unter der Leitung von:
  1. Alberto Márquez Pérez Doktorvater/Doktormutter
  2. Mario Carlos Machado Jesús Doktorvater/Doktormutter

Universität der Verteidigung: Universidad de Sevilla

Fecha de defensa: 02 von März von 2007

Gericht:
  1. Francisco Herrera Triguero Präsident
  2. José Ramón Portillo Fernández Sekretär/in
  3. Ana Paula Nunes Gomes Tomás Vocal
  4. Enrique Mérida Casermeiro Vocal
  5. María de los Angeles Garrido Vizuete Vocal

Art: Dissertation

Teseo: 136833 DIALNET lock_openIdus editor

Zusammenfassung

El estudio de soluciones meta-heurísticas basadas en el paradigma del Ant Colony Optimization (ACO) para el Múltiple Objetive Minimum Spanning Trees y los problemas combinatorios relacionados es la principal preocupación de esta investigación, En la clasificación comúnmente validada de la complejidad de los problemas, se clasifica el problema de las Múltiple Minimum Spanning Trees como NP-completo. Además, como en la generalidad de los problemas de optimización con múltiples objetivos, la solución de un problema Múltiple Objetive Minimum Sapnning Trees es un conjunto de soluciones de compromiso en el sentido que para mejorar uno de los objetivos es necesario por lo menos el empeorar uno los otros, lo que es una preocupación importante en un punto de vista práctico. En la primera parte de la investigación, se hace un análisis teórico del problema para complementar los resultados conocidos. Este análisis corrobora el hecho que en la práctica el uso de métodos exactos de solucionar los problemas Múltiple Objetive Minimum Spanning Trees se aplica solamente en circunstancias especificas. Esto implica que le uso de métodos de aproximación se debe considerar como alternativa para solucionar el problema. Particularmente, se proponen dos métodos basados en el paradigma del ACO: el Múltiple Objetive Network optimization based on an ACO (MONACO) y el Depth ANT Explorer - DANTE. EL MONACO utiliza un conjunto de los rastros de fermonas y heurísticas específicas para aproximar el conjunto de Pareto. El DANTE es una mejora del MONACO que aplica un procedimiento de búsqueda en profundidad basado en las mejores soluciones que se obtienen durante el proceso, de modo a mejor explotar el espacio de la búsqueda. Los métodos propuestos son testados con problemas de múltiples objetivos seleccionados mejorando los resutlados obtenidos previamente por otros autores. Para testar algoritmos MONACO y DANTE sobre el problema del Múltiple Object