Metaheuristicas
| Autores principales: | , , |
|---|---|
| Autor Corporativo: | |
| Formato: | Libro electrónico |
| Idioma: | Castellano |
| Publicado: |
Madrid :
Dykinson
2007.
|
| Materias: | |
| Ver en Biblioteca Universitat Ramon Llull: | https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009437860406719 |
Tabla de Contenidos:
- Metaheurísticas; Página Legal; Índice general; Prólogo; Capítulo 1 Introducción a la Optimización; 1.1. Introducción; 1.1.1. Heurísticas; 1.1.2. Metaheurísticas; 1.2. De.niciones; 1.2.1. Vecindad y óptimos locales; 1.2.2. Intensi.cación y diversi.cación; 1.3. Complejidad algorítmica: problemas P y NP; 1.4. Limitaciones de los algoritmos exactos; Capítulo 2 Problemas Clásicos de Optimización; 2.1. Introducción; 2.2. El problema del viajante de comercio; 2.3. El problema del enrutamiento de vehículos; 2.4. El problema de la mochila; 2.5. El problema del corte máximo sobre grafos
- 2.6. El problema de la máxima diversidad2.7. El problema de la ordenación lineal; Capítulo 3 Algoritmos Heurísticos; 3.1. Introducción; 3.2. De.niciones de algoritmos heurísticos; 3.3. Clasi.cación de algoritmos heurísticos; 3.4. Limitaciones de los algoritmos heurísticos; Capítulo 4 Algoritmos Metaheurísticos; 4.1. Introducción; 4.2. Clasi.cación de algoritmos metaheurísticos; 4.2.1. Taxonomías clásicas; 4.2.2. Taxonomía tabular; 4.2.3. Taxonomía jerárquica; 4.2.4. Taxonomía basada en la relación intensi.cación-diversi.cación; 4.3. Limitaciones de los algoritmos metaheurísticos
- Capítulo 5 Metaheurísticas Trayectoriales5.1. Introducción; 5.2. Búsqueda tabú; 5.3. Recocido simulado; 5.4. Búsqueda de vecindad variable; 5.5. Búsqueda local guiada; 5.6. Aceptación de umbral; 5.7. Métodos ruidosos; 5.8. FANS; 5.9. Búsqueda local iterativa; Capítulo 6 Metaheurísticas Poblacionales; 6.1. Introducción; 6.2. Algoritmos evolutivos; 6.2.1. Algoritmos genéticos; 6.2.2. Algoritmos meméticos; 6.3. Búsqueda dispersa; 6.4. Reencadenamiento de trayectorias; 6.5. Algoritmos de estimación de la distribución; 6.6. Algoritmos culturales
- 6.7. Inteligencia de enjambre y opt. por enjambre de partículasCapítulo 7 Metaheurísticas Constructivas; 7.1. Introducción; 7.2. Métodos multi-arranque; 7.3. GRASP; 7.4. Concentración heurística; 7.5. Optimización por colonias de hormigas; 7.6. POPMUSIC; 7.7. Equipos asíncronos; Capítulo 8 Tendencias Actuales en Optimización Metaheurística; 8.1. Introducción; 8.2. Técnicas híbridas; 8.3. Hiperheuristicas; 8.4. Implementaciones avanzadas; 8.4.1. Análisis del espacio de búsqueda; 8.4.2. Búsquedas multi-objetivo; 8.4.3. Implementaciones paralelas; 8.5. Optimización dinámica
- 8.5.1. Algoritmos evolutivos8.5.2. Optimización por colonias de hormigas; 8.5.3. Algoritmos culturales; 8.5.4. Inteligencia de enjambre; 8.5.5. Filtro de partículas metaheurístico; Capítulo 9 Búsqueda dispersa aplicada al MDP; 9.1. Introducción; 9.2. Ejemplo detallado; 9.3. Aplicación de la búsqueda dispersa; 9.3.1. Distancia entre soluciones; 9.3.2. Métodos de generación de soluciones diversas; 9.3.3. Método de generación de subconjuntos; 9.3.4. Métodos de combinación; 9.3.5. Métodos de mejora; 9.3.6. Filtro en el método de mejora; Capítulo 10 Cuestiones de implementación; 10.1. Introducción
- 10.2. Diseño
