Professional Documents
Culture Documents
Cobertura de Conjuntos
Binary Firefly Algorithm for the Set Covering
Problem
Broderick Crawford 1,2, Ricardo Soto 1,3, Miguel Olivares Surez 1, Fernando Paredes 4 y Franklin Johnson 5
1
I.
INTRODUCTION
El problema de cobertura de conjuntos, en ingls Set
Covering Problem (SCP), pertenece a la rama de los problemas
de combinatoria de optimizacin, y se ha aplicado en muchos
problemas del mundo real [1-3], tales como agendamiento de
tripulacin en aerolneas, problema de localizacin de
instalaciones, planificacin de la produccin en la industria. El
SCP es bien conocido como NP-complejo en el sentido fuerte
[4]. Muchos algoritmos se han desarrollado para solucionarlo y
se ha informado a la literatura. Algoritmos exactos se basan
principalmente en la ramificacin y poda y ramificacin y corte
[5-6]. Sin embargo, estos algoritmos consumen bastante
tiempo, y slo pueden resolver casos de tamao muy limitado.
Por esta razn, muchos de los esfuerzos de investigacin se han
centrado en el desarrollo de la heurstica para encontrar
soluciones buenas o casi ptimas dentro de un perodo tiempo
razonable. Algoritmos voraces son simples, rpidos y fcil de
codificar, pero rara vez producen soluciones de alta calidad
dada su naturaleza determinista [7]. Un algoritmo voraz
mejorado incorporando la aleatoriedad y memoria en l ha
obtenido resultados prometedores [8]. En comparacin con los
algoritmos voraces clsicos, las heursticas basadas en la
relajacin Lagrangiana con la optimizacin subgradiente son
mucho ms eficaces. Las ms eficaces son los propuestos en
[9-10]. Estrategias de bsqueda de alto nivel, las
metaheursticas se han aplicado tambin al SCP. Una lista
incompleta de este tipo de heursticas para el SCP se incluyen:
algoritmo gentico [11], optimizacin basada en colonias de
hormigas (ACO) [12-13], y algoritmos culturales [14]. Una
comprensin ms profunda de la mayora de los algoritmos
eficaces para el SCP se puede encontrar en [15].
En este trabajo, se presenta una nueva aproximacin basado
en el algoritmo lucirnaga binaria para el SCP. El algoritmo
lucirnaga ha sido desarrollado recientemente, como
metaheurstica basada en poblacin [16-17]. Hasta ahora, se ha
demostrado que el algoritmo de lucirnaga es muy eficiente en
el tratamiento de problemas de optimizacin global,
Minimizar f (x) = c j x j .
(1)
j =1
sujeto a
= 0 e r .
a x
1
( xtj xit ) + (rand ) .
2
(5)
1, i I .
(2)
x j {0,1}, j J .
(3)
j =1
ij
rij2
IV.
n
(4)
EL ALGORITMO LUCIRNAGA
ii.
iii.
exp(2 | x 'p | 1)
exp(2 | x 'p | +1)
(3)
Instancia
Opt.
Mejor
Prom.
4.1
429
481
481.03
4.2
512
580
580.00
4.3
516
619
619.03
4.4
494
537
537.00
4.5
512
609
609.00
4.6
560
653
653.00
4.7
430
491
491.07
4.8
492
565
565.00
4.9
641
749
749.03
4.10
514
550
550.00
5.1
253
296
296.03
5.2
302
372
372.00
5.3
226
250
250.00
5.4
242
277
277.07
5.5
211
253
253.00
5.6
213
264
264.03
5.7
293
337
337.00
5.8
288
326
326.00
5.9
279
350
350.00
V.
EXPERIMENTOS Y RESULTADOS
Conjunto
Instancia
N de
Instancia
Densidad
%
Solucin
ptima
5.10
265
321
321.00
10
200
1000
Conocida
6.1
138
173
173.03
10
200
2000
Conocida
6.2
146
180
180.07
200
1000
Conocida
6.3
145
160
160.00
300
3000
Conocida
6.4
131
161
161.00
300
3000
Conocida
6.5
161
186
186.00
400
4000
Conocida
A.1
253
285
285.00
400
4000
Conocida
A.2
252
285
285.07
NRE
500
5000
10
Desconocida
A.3
232
272
272.00
NRF
500
5000
20
Desconocida
A.4
234
297
297.00
NRG
1000
10000
Desconocida
A.5
236
262
262.00
NRH
1000
10000
Desconocida
B.1
69
80
80.03
B.2
76
92
92.00
B.3
80
93
93.00
B.4
79
98
98.03
B.5
72
87
87.00
C.1
227
279
279.00
C.2
219
272
272.00
C.3
243
288
288.00
C.4
219
262
262.00
C.5
215
262
262.07
D.1
60
71
71.00
D.2
66
75
75.00
D.3
72
88
88.00
D.4
62
71
71.00
D.5
61
71
71.00
NRE.1
29
32
32.03
NRE.2
30
36
36.00
NRE.3
27
35
35.00
NRE.4
28
34
34.00
NRE.5
28
34
34.00
NRF.1
14
17
17.03
NRF.2
15
17
17.00
NRF.3
14
21
21.00
NRF.4
14
19
19.00
NRF.5
13
16
16.00
NRG.1
176
230
230.03
NRG.2
154
191
191.00
NRG.3
166
198
198.00
NRG.4
168
214
214.00
NRG.5
168
223
223.00
NRH.1
63
85
85.07
NRH.2
63
81
81.03
[7]
NRH.3
59
76
76.00
[8]
NRH.4
58
75
75.00
NRH.5
55
68
68.00
CONCLUSIONES
[3]
[4]
[5]
[6]
[9]
[10]
[11]
[12]
[13]
[14]
[15]