Intelligent Optimization Strategies in Uncertain and Dynamic Environments

La resolución de problemas de optimización usando metaheurísticas ha cobrado gran relevancia a lo largo de las últimas décadas. Muchos de estos problemas tienen un comportamiento no estacionario y cambian con el tiempo, especialmente en el ámbito de los problemas del mundo real. En la última década se ha intensificado el estudio sobre la optimización de problemas dinámicos (Dynamic Optimization Problems, DOPs), habiéndose propuesto distintas soluciones, en su mayoría basadas en el uso de algoritmos poblacionales como los algoritmos evolutivos. En este trabajo propondremos el uso de metaheurísticas basadas en trayectoria como una alternativa eficaz para resolver DOPs. Compararemos los resultados conseguidos con estas técnicas con los aportados por metaheurísticas poblacionales. Para ello, aplicaremos a cada algoritmo cuatro técnicas de adaptación a entornos dinámicos: no hacer nada, reinicio de la búsqueda, regeneración y uso de una memoria auxiliar para mantener soluciones que fueron buenas en algún momento del proceso de búsqueda. Estudiaremos el comportamiento de estos algoritmos en el problema dinámico de asignación de rutas a vehículos. Nuestras conclusiones confirman que los algoritmos de trayectoria son una alternativa eficaz que, en muchos casos, mejora notablemente los resultados conseguidos por algoritmos poblacionales.