ALGORITMO DE OPTIMIZACIÓN BASADO EN EL APAREAMIENTO

DE LAS ABEJAS(HBMO). UN NUEVO ENFOQUE

HEURÍSTICO DE OPTIMIZACIÓN.

OMID BOZORG HADDAD, ABBAS AFSHAR, MIGUEL A. MARIÑO

Víctor Fernández MoraManuel Sifón MirallesRaquel Torres Remón

ÍNDICE

1. INTRODUCCIÓN

2. ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3. MODELADO DE LAS ABEJAS

4. REPRESENTACIÓN DE LA SOLUCIÓN

5. APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6. CONCLUSIONES

2 de 13

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

Métodos de optimización tradicionales

Búsqueda directa Búsqueda por gradientes

F(x) objetivoRestricciones

Derivadas F(x) objetivo

Ventaja/Inconveniente

En ocasiones no son buenos candidatos para la resolución de algunos problemas

Última década/Actualidad

Algoritmos Evolutivos y Metaheurísticos

Ventajas

Algoritmos genéticosInsectos sociales

Hormigas Abejas –> HBMO

1.INTRODUCCIÓN

3 de 13

Estructura APAREAMIENTO

Abejas reinas-poner huevosZánganos-fecundas a abejas reinaObreras-alimentar a las crías

REINAS

OBRERASZÁNGANOS

Fecundación

Huevos

Reinas ZánganosObreras

+DIVERSIDAD GENÉTICA

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

4 de 13

3.MODELADO DE LAS ABEJAS

ETAPAS DEL ALGORITMO

1. Selección probabilistica de los zánganos y la abeja reina para crear más crias

2. Creación de crias por el apareamiento de los zánganos con la reina

3. Uso de obreras para llevar a cabo una búsqueda local sobre las crías

4. Adaptación de la aptitud de los obreras para saber la cantidad de mejora de las crías

5. Reemplazo de las abejas reina más débiles por las crías más aptas

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

5 de 13

4.REPRESENTACIÓN DE LA SOLUCIÓN

ZÁNGANO OBRERA REINA

GenotipoDefine la aptitud

Genotipo

Creador de genotipo

Conjunto de diferentes heurísticas

Velocidad

Energía

Capacidad de la espermateca

CRÍA

Copía de genes zángano y genes reina

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

6 de 13

4.REPRESENTACIÓN DE LA SOLUCIÓN

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

7 de 13

¿Es mejor solución? MantenerSustituir

si no

¿Satisface el criterio de finalización?

FIN

si

Descartar soluciones anteriores y crear nuevas.

Actualizar el valor umbral de la heurísticas para la siguiente iteración

Mejorar el conjunto de soluciones a partir de mutaciones

Generar un nuevo conjunto de soluciones utilizando cruces y heurísticas

Utilizar “Simulated Annealing” para seleccionar el conjunto de soluciones de cría

Categorizar las soluciones y definir el número de iteraciones

Generación aleatoria de un conjunto de soluciones inicial

Definir parámetros de entrada del modelo

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

• Aplicación del algoritmo para probar su rendimiento.

• Tres funciones matemáticas para optimizar (a, b, c).

• Un ejemplo real de una reserva de agua (d).

• Comparación con algoritmos genéticos bien desarrollados.

• Obtención de buenos resultados.

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

8 de 13

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

A. FUNCIÓN DE ACKLEY

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

9 de 13

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

B. SEGUNDA FUNCIÓN NO RESTRINGIDA

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

10 de 13

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

C. FUNCIÓN RESTRINGIDA

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

11 de 13

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

D. CASO DE ESTUDIO

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

12 de 13

6.CONCLUSIONES

1.INTRODUCCIÓN

2.ESTRUCTURA DE LA COLONIA DE LAS ABEJAS

3.MODELADO DE LAS ABEJAS

4.REPRESENTACIÓN DE LA SOLUCIÓN

5.APLICACIÓN Y COMPARACIÓN DEL ALGORITMO

6.CONCLUSIONES

1. HBMO: algoritmo de búsqueda híbrido inspirado en el apareamiento de las abejas.

2. Una función Annealing define la probabilidad de apareamiento. Diferentes heurísticas mejoran las soluciones generadas.

3. Resultados comparables con los obtenidos con Algoritmos Genéticos bien desarrollados.

4. Muestra gran potencia a la hora de resolver problemas de optimización no lineal.

5. La aplicación del HBMO demuestra una capacidad para desarrollar búsquedas extensivas.

6. HBMO tiene buena respuesta ante problemas con variables discretas y de decisión.

13 de 13