Optimización heurística y redes neuronales / Adenso Díaz Fernández (coordinador) ; Fred Glover ... [et al.].

CONTENIDO
Capítulo 1
INTRODUCCION A LAS TECNICAS HEURISTICAS (Adenso Díaz, Fan T. Tseng) 19
Introducción 19
Complejidad computacional 22
Heurísticas 24
Tipos de heurísticas 26
Las nuevas metaheurísticas 29
Ejercicios 36
Capítulo 2
RECOCIDO SIMULADO (Pablo Moscato, Adenso Díaz) 37
Algoritmo de Metrópolis 37
Analogía física y planteamiento básico de la metaheurística 40
Selección del programa de enfriamiento 43
Aspectos de implementación computacional 46
Convergencia del recocido simulado 47
Number Partitioning, o la crónica de un fracaso para SA 49
Aplicaciones del recocido simulado 56
Aplicaciones en diferentes campos 57
Comentarios finales y algunas creencias 61
Otras funciones de aceptación 61
Correlaciones entre óptimos locales 62
Hill Climbing puede ser exponencial 64
Ejercicios 66
Capítulo 3
ALGORITMOS GENETICOS (Manuel Laguna, Pablo Moscato) 67
Introducción67
Analogías con la evolución 69
Composición de un algoritmo genético 71
Elementos básicos 73
La población inicial 74
Evaluación del nivel de fitness 75
Selección y operadores genéticos de sobrecruzamiento 77
Análisis de los algoritmos genéticos 81
El Schema Theorem y el paralelismo intrínseco 81
El análisis usando Forma 82
Corner Formae 84
Problemas AG-difíciles y el concepto del Engaño 85
Algoritmos meméticos 89
El problema de la Liga Nacional de Hockey (NHL) 92
El problema de coloración de un grafo 92
El perceptrón binario 94
Aplicaciones de los algoritmos genéticos 96
Ejercicios 100
Capítulo 4
BUSQUEDA TAB+ (Fred Glover) 105
Introducción. Fundamentos de la búsqueda tabú 105
Memoria de corto plazo y sus elementos 109
Memoria de largo plazo 112
Oscilación Estratégica 119
Reencadenamiento de Trayectorias 122
Estructuras de memoria y estrategias ilustrativas 124
Estructuras de memoria basadas en recencia y en frecuencia 124
Consideraciones para estrategias de Listas de Candidatos 129
Estructuras de memoria para Oscilación Estratégica 132
Consideraciones sobre Reencadenamiento de Trayectorias 133
Conclusiones 136
Ejercicios 137
Capítulo 5
GRASP (José Luis González) 143
Introducción 143
Estrategias de GRASP y sus componentes 146
Diseño de GRASP 147
Procedimientos locales de optimización 149
Aplicaciones de GRASP 153
Conclusiones 160
Ejercicios 161
Capítulo 6
REDES NEURONALES (Hassan M. Ghaziri) 163
Introducción 163
Del cerebro a las redes neuronales 163
Antecedentes biológicos 163
Modelos de neuronas 165
Arquitecturas 166
Reglas de aprendizaje 169
Redes neuronales artificiales y los problemas de optimización combinatoria 170
Aproximación estadística para el problema de la optimización 171
El algoritmo de Kohonen 186
Las redes neuronales y el problema del viajante 190
La solución de Hopfield 191
Redes elásticas 192
Método de Kohonen 193
Discusión de los tres métodos 195
El problema de los múltiples viajantes de comercio 197
El problema de las rutas de vehículos 201
Conclusiones 206
REFERENCIAS BIBLIOGRAFICAS 209