Metaheurísticas

Autores/as

Palabras clave:

heurísticas, inteligencia artificial, sistemas expertos, optimización combinatoria

Resumen

Se presenta una breve revisión bibliográfica del nacimiento de las metaheurísticas como parte de la inteligencia artificial para la solución de problemas de optimización combinatoria. Las metaheurísticas son técnicas computacionales de alto nivel para la resolución aproximada de problemas complejos. Se describen los fundamentos históricos de las metaheurísticas, los principales conceptos sobre su funcionamiento y sus líneas de aplicación en problemas del mundo real. Uno de los criterios más utilizados por la comunidad científica toma en cuenta el número de soluciones exploradas en cada paso de iteración, que además se dividen en dos tipos de metaheurísticas: las basadas en trayectoria y las basadas en población. Las primeras manejan una única solución en cada paso de iteración, mientras que las segundas manejan un conjunto de soluciones candidatas en cada paso.

Biografía del autor/a

Jesús del Carmen Peralta-Abarca, Facultad de Ciencias Químicas e Ingeniería (FCQeI), Universidad Autónoma del Estado de Morelos

Profesora Investigadora de Tiempo Completo Asociada B

Ingeniería Industrial

Facultad de Ciencias Químicas e Ingeniería.

Citas

Stuart Russell y Peter Norvig, Inteligencia artificial. Un enfoque moderno, Pearson Prentice Hall, Madrid, 2004, p. 21, https://bit.ly/2Go1mhB

David Masip Rodó, Gerard Escudero Bakx, Raúl Benítez Iglésias, Samir Kanaan Izquierdo, Inteligencia artificial avanzada, Editorial UOC, Barcelona, 2014, p. 11, https://bit.ly/2VXJhzJ

Paul Harmon y David King, Sistemas expertos: aplicaciones de la inteligencia artificial en la actividad empresarial, Ediciones Díaz de Santos, Madrid, 1988, p. 5, https://bit.ly/2HhdWo6

Carlos Coello Coello, Gary B. Lamont y David A. van Veldhuizen, Evolutionary algorithms for solving multi-objective problems, Springer, Nueva York, 2007, https://bit.ly/2Cp1FZd

Fred Glover, “Future paths for integer programming and links to artificial intelligence”, Computers & Operations Research, vol. 13, núm. 5, 1986, pp. 533-549, 10.1016/0305-0548(86)90048-1

Scott Kirkpatrick, Daniel C. Gelatt y Mario P. Vecchi, “Optimization by simulated annealing”, Science, vol. 220, núm. 4598, 1983, pp. 671-680, DOI: 10.1126/science.220.4598.671

Sergio Nesmachnows, “An overview of metaheuristics: accurate and efficient methods for optimization”, International Journal of Metaheuristics, vol. 3, núm. 4, 2014, pp. 320-347, 10.1504/IJMHEUR.2014.068914

El-Ghazali Talbi, Metaheuristics: from design to implementation, John Wiley & Sons, Hoboken, 2009, https://bit.ly/2HfvQHZ

David E. Goldberg, Genetic algorithms in search, optimization & machine learning, Addison-Wesly Publishing Co., Boston, 1989, p. 25, https://bit.ly/2siPM1R

Xin-She Yang, Engineering optimization: an introduction with metaheuristic applications, John Wiley & Sons, Hoboken, 2010, 10.1002/9780470640425

Shubhabrata Datta, Materials design using computational intelligence techniques, CRC Press, Boca Raton, 2016, https://bit.ly/2HhOCyp; Olympia Roeva, Real-world applications of genetic algorithms, InTech, Londres, 2012, DOI: 10.5772/2674

Metaheurísticas

Descargas

Publicado

2021-09-07

Cómo citar

Peralta-Abarca, J. del C. (2021). Metaheurísticas. Inventio, 14(34), 25–32. Recuperado a partir de http://inventio.uaem.mx/index.php/inventio/article/view/110