Adaptación dinámica de parámetros en MCMP-SRI para el problema de máquina única de <i>weighted tardiness</i>

Abstract

La adaptación de parámetros y operadores es una de las más importantes y promisorias áreas de investigación en la computación evolutiva. La idea es ajustar el algoritmo al problema, mientras el problema se resuelve. En los algoritmos genéticos (AGs) no sólo es necesario elegir la representación y los operadores para el problema, sino que también debemos elegir valores de parámetros y probabilidades de operadores del AG de manera tal que éste encuentre la solución y de manera eficiente. El proceso de encontrar “a mano” valores apropiados de parámetros y probabilidades de operadores para un AG que afecten el rendimiento del algoritmo de una manera significativa, es una tarea que implica un consumo considerable de tiempo y esfuerzo. Esto ha motivado la automatización de dicho proceso. En el presente trabajo se analiza la posibilidad de disminuir el esfuerzo computacional total sin perder calidad de las soluciones. Para esto se propone la adaptación del algoritmo a través de los parámetros básicos que intervienen en la multirecombinación, como son la cantidad de crossovers (n1) y la cantidad de padres (n2).

The adaptation of parameters and operators are one of the most important and promissory investigation areas in the evolutionary computation. The idea is adjust the algorithm to the problem while this problem is solved. In genetic algorithms (GAs) it is not only necessary choose the representation and the operators for the problem, also we should choose values of parameters and probabilities of operators of the GA in such way that this finds the solution efficiently. The process to find “manually” appropriate values of parameters and probabilities of operators for a GA that affect significantly the performance of the algorithm, it is a task that implies a considerable consumption of time and effort. It has motivated the automation of this process. This work analyzes the possibility to diminish the total computational effort without losing quality of the solutions. For this it intends the adaptation of the algorithm through the basic parameters that intervene in the multirecombination, like the quantity of crossovers (n1) and the quantity of parents (n2).