Un prototipo para el modelado de un sistema de metaheurísticas cooperativas: obtención de conocimiento para el estudio del problema algoritmo-instancia

Un prototipo para el modelado de un
sistema de metaheurísticas
cooperativas: obtención de
conocimiento para el estudio del
problema algoritmo-instancia
2006
Universidad de Murcia
Facultad de informática
Autores:
Enrique Muñoz Ballester
Emilio Serrano Fernández
Directores:
D. José Manuel Cadenas Figueredo
Dña. Mª Carmen Garrido Carrera

2
Exploración exhaustiva
Heurísticas
Metaheurísticas
¿debemos mejorar?
?
Problemas de optimización

3
Dificultades en el uso de metaheurísticas
 Los algoritmos metaheurísticos son estrategias efectivas para
encontrar soluciones aproximadas.
Posibles problemas:
•Tiempos de ejecución
•¿Mejor algoritmo?
•Algoritmo-instancia
•¿Parámetros?
•Características generales.
•Independencia del problema.
•Robustez.
•Facilidad de implementar.
•Capacidad de dar resultados aceptables y
en tiempos razonables
Puede ser difícil encontrar metaheurísticas con:
¿cómo podemos mejorar?

4
Uso tradicional de metaheurísticas
¿Qué idea surge?
Metaheurística A
Metaheurística B
Solución

5
CoordinadorPizarra
Sistema cooperativo centralizado
¿Cómo va a saber actuar el coordinador?
Metaheurística A
Metaheurística B
Sistema multiagente
1 2 3 4 5 6
Acciones del coordinador
Solución

6
Proceso de extracción del conocimiento
Alg_iProblema≡instancia
Preparación
de los datos
Minería
Datos
Parámetros
Soluciones parciales
Soluciones
Sistema
Reglas
Fuzzy
Coordinador

7
Preparación de los datos
 Objetivo: obtener una base de datos para aplicar
técnicas de minería.
 Se debe recopilar la información aplicando diferentes
metaheurísticas a un problema.
 Problema escogido: Problema de la mochila.
 Metaheurísticas:
 Algoritmo genético
 Búsqueda tabú
 Colonia de hormigas
 Temple simulado

8
Preparación de los datos (II)
 Entre la información que se extrae de
las ejecuciones:
 Parámetros utilizados.
 Descripción de la instancia.
 Soluciones final, inicial e intermedias.
 Crear una estructura para representar
un ejemplo que soporte todo tipo de
datos.
 Para aplicar la técnica de minería se
debe aplicar un preproceso para
seleccionar los atributos más
relevantes.
Alg1 AlgN
Soluciones
parciales
Problema ≡ Instancia
Sol1 SolN
Parámetros

9
Minería de datos
 Objetivo: obtener un modelo del sistema basado en reglas fuzzy.
 Esperamos obtener reglas del tipo IF <antecedente> THEN
<consecuente> que modelen lo siguiente:
 Cuando debe cambiarse la solución de un algoritmo.
 Como debe modificarse el comportamiento de una metaheurística.
 Cuando deben cambiarse los parámetros de un algoritmo.
 Cuando debe parar la búsqueda.
 Que regla debe seleccionarse cuando se dispare más de una.
 Existe una amplia variedad de técnicas, buscamos:
 Interpretabilidad
 Tratamiento de datos imperfectos
 Escogemos árboles de decisión, específicamente FID 3.4.

10
Minería de datos (II)
 Aplicamos esta técnica a diferentes
conjuntos de datos para obtener
información acerca de:
 Comparativa entre distintos algoritmos.
 Elección de parámetros para cada
algoritmo.
 Como resultado de la aplicación
obtuvimos un gran número de árboles
de los que se extrajeron:
 Una jerarquía entre los algoritmos.
 Parámetros interesantes en cada
momento para cada algoritmo.
 Usando esta información se obtuvieron
reglas fuzzy de bajo nivel.
Genético
Temple
Tabú
Mayor
Menor
Metaheurística Calidad de
soluciones

11
Modelado del coordinador
 Las reglas obtenidas en la fase de minería son válidas pero:
 Numerosas
 Poco Abstractas
 Es necesario obtener un conjunto de reglas más general.
 Se obtuvieron las siguientes tres reglas:
 SI [(peso1*d1 O peso2*d2 O ... O peson*dn) ES suficiente] ENTONCES
cambiar la solución actual de la peor metaheurística.
 SI [ tiempo entre [tiempo1, tiempo2] ] ENTONCES cambiar las
soluciones actuales de las MetaX por la solución actual de MetaG.
 SI la Metaheurística esMuchoPeorQueTodas Y
esMomentoDeCambiarParametros ENTONCES cambiar Parámetros de
Metaheurística.

12
Evaluación del modelo
 Objetivo: comprobar la eficacia del
sistema.
 Se aplicarán al sistema una serie de
tests.
 Como resultado se puede:
 Eliminar una metaheurística.
 Añadir/eliminar información acerca de
una metaheurística.
 Añadir/eliminar características de
instancias.
 Cambiar la técnica de minería
 Añadir una metaheurística.
 Esta fase queda fuera del proyecto,
pues no se realiza la implementación del
sistema
Alg1 AlgN
Problema ≡ Instancia
Parámetros
Coordinador
Solución
Sistema
de reglas

13
Evaluación del modelo (II)
 Añadiremos un algoritmo al sistema (colonia de
hormigas).
 Aplicamos el proceso completo pero ahora con el
objetivo de añadir una nueva metaheurística:
 Preparación de los datos: añadimos información de colonia de
hormigas.
 Minería de datos: realizamos una comparativa con el resto de
metaheurísticas y un estudio de los parámetros convenientes.
 Con los resultados se obtiene un conjunto de reglas de
bajo nivel.
 Estas reglas se pueden añadir al modelo sin necesidad
de grandes cambios en este (robustez).

14
Conclusiones
 Prototipo para el modelado del coordinador.
 Proceso de extracción del conocimiento.
 Reglas que modelan el coordinador.
 Problema de la mochila.
 El proceso de extracción de conocimiento ha
comprendido:
 Preparación de los datos: análisis base de datos,
estudio de metaheurísticas, aplicadas distintas
metaheurísticas, extraído datos interesantes.
 Minería de datos: estudio de técnicas, comparativa
metaheurísticas, estudio de parámetros,
enumeración conocimiento, reglas fuzzy.
 Modelado del coordinador: adaptación de reglas.
 Evaluación del modelo: añadir algoritmo, demostrar
robustez.

15
Conclusiones (II)
Tabú
Coordinador
Instancia del
problema
de la mochila
PIZARRA
Temple
Genético
Reglas fuzzy
Hormigas
Se ha proporcionado inteligencia al coordinador para:
Cuando un algoritmo esta más alejado de la solución que otros, cambiar su
posición en el espacio de búsqueda por otra posición cercana a la que tenga
otro algoritmo más eficiente.
Cuando un algoritmo persiste en un mal comportamiento, cambiar sus
parámetros de manera inteligente.

16
Trabajos futuros
 Implementar el sistema.
 Mejorar la fase de evaluación del modelo.
 Extensiones:
 Repetir el proceso para otro problema.
 Añadir metaheurísticas para la resolución del problema.
 Aumentar las bases de datos usadas para el proceso de
extracción de conocimiento con resoluciones de más
instancias.
 Aumentar los campos que aparecen en las bases de datos
con nueva información acerca de las instancias.
 Cambiar o añadir técnicas de minería.
 Cambiar o añadir reglas al coordinador.
 Etc.
 Usar el proceso de extracción con un problema más complejo,
como la p-mediana.
 Conseguir un conjunto de instancias de la p-mediana que se
ajusten a la geografía de la región.

Un prototipo para el modelado de un sistema de metaheurísticas cooperativas: obtención de conocimiento para el estudio del problema algoritmo-instancia

Más contenido relacionado

La actualidad más candente (14)

Destacado (11)

Similar a Un prototipo para el modelado de un sistema de metaheurísticas cooperativas: obtención de conocimiento para el estudio del problema algoritmo-instancia (20)

Último (20)

Un prototipo para el modelado de un sistema de metaheurísticas cooperativas: obtención de conocimiento para el estudio del problema algoritmo-instancia