| Revista: | Programación matemática y software |
| Base de datos: | |
| Número de sistema: | 000573126 |
| ISSN: | 2007-3283 |
| Autores: | Montesino Guerra, Juan Adolfo1 Puga Soberanes, Héctor José1 Sotelo Figueroa, Marco Aurelio2 Carpio Valadez, Juan Martín1 Ornelas Rodríguez, Manuel1 Soria Alcaraz, Jorge Alberto2 Santiago Montero, Raúl1 |
| Instituciones: | 1Tecnológico Nacional de México, Instituto Tecnológico de León, León, Guanajuato. México 2Universidad de Guanajuato, División de Ciencias Económico Administrativas, Guanajuato. México |
| Año: | 2016 |
| Volumen: | 8 |
| Número: | 3 |
| Paginación: | 30-41 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Resumen en inglés | In this paper the synergistic behavior that occurs in the implementation of a selection Hyper-heuristic applied to the traveling salesman problem (TSP, for its acronym) is shown. As administrator core of the Hyper-heuristic has been used a Genetic Algorithm, and a set of five low-level heuristics were used. For the testing phase were used training instances of the state of the art, and for the analysis of results, a comparison was made between the besttraining obtained genotype from the combination of heuristics, and against genotypes containing only one type of heuristic analyzed from an optimization approach. In statistical tests were used as statistical representative the median obtained from these experiments. Explanation of the offline training of Hyper-heuristic it´s presented and the results show that the hyper-heuristic is able to improve the performance of the heuristics applied individually. |
| Resumen en español | En este trabajo se muestra el comportamiento sinérgico que se produce en la implementación de una Hiperheurística de selección aplicada al problema del agente viajero (TSP, por sus siglas en inglés). Como órgano rector de la Hiperheurística se utilizó un Algoritmo Genético, y un conjunto de 5 heurísticas de bajo nivel. Para hacer las pruebas se utilizaron instancias de entrenamiento del estado del arte para TSP, y para el análisis de resultados, se hizo una comparación del mejor genotipo obtenido del entrenamiento de la combinación de las heurísticas, contra genotipos que contienen un solo tipo de heurística analizados desde un enfoque de optimización. En las pruebas estadísticas se utilizó como representante estadístico la mediana obtenida de dichos experimentos. Se presentan la explicación del entrenamiento fuera de línea de la Hiperheurística y los resultados que muestran que la hiperheurística es capaz de mejorar los resultados de las heurísticas aplicadas individualmente. |
| Disciplinas: | Ciencias de la computación, Ciencias de la computación |
| Palabras clave: | Procesamiento de datos, Inteligencia artificial |
| Keyword: | Data processing, Artificial intelligence |
| Texto completo: | Texto completo (Ver PDF) |
