Enfoque de inteligencia de enjambre paralelizada para resolver problemas de TSP y JSSP
Autores: Jedrzejowicz, Piotr; Wierzbowska, Izabela
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Enfoque de inteligencia de enjambre paralelizada para resolver problemas de TSP y JSSP
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Metaheurísticas basadas en la población
Agentes descentralizados
Enjambre
Entorno de Apache Spark
Agentes de optimización
TSP
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 65
Citaciones: Sin citaciones
Uno de los posibles enfoques para resolver problemas de optimización difíciles es aplicar metaheurísticas basadas en poblaciones. Entre tales metaheurísticas, hay una clase especial donde la búsqueda de la mejor solución se basa en el comportamiento colectivo de agentes descentralizados y autoorganizados. Este estudio propone un enfoque en el que un enjambre de agentes intenta mejorar las soluciones de la población de soluciones. El proceso se lleva a cabo en hilos paralelos. El algoritmo propuesto, basado en la metáfora de recolección de setas, se implementó utilizando Scala en un entorno de Apache Spark. Un experimento computacional extendido muestra cómo la introducción de una combinación de agentes de optimización simples y el aumento del número de hilos pueden mejorar los resultados obtenidos por el modelo en el caso de problemas TSP y JSSP.
Descripción
Uno de los posibles enfoques para resolver problemas de optimización difíciles es aplicar metaheurísticas basadas en poblaciones. Entre tales metaheurísticas, hay una clase especial donde la búsqueda de la mejor solución se basa en el comportamiento colectivo de agentes descentralizados y autoorganizados. Este estudio propone un enfoque en el que un enjambre de agentes intenta mejorar las soluciones de la población de soluciones. El proceso se lleva a cabo en hilos paralelos. El algoritmo propuesto, basado en la metáfora de recolección de setas, se implementó utilizando Scala en un entorno de Apache Spark. Un experimento computacional extendido muestra cómo la introducción de una combinación de agentes de optimización simples y el aumento del número de hilos pueden mejorar los resultados obtenidos por el modelo en el caso de problemas TSP y JSSP.