next up previous
Next: 6. Recocido Simulado Up: 5.6 Continuous RTS Previous: 5.6.1 Optimizador Local (Affine

5.6.2 Búsqueda por regiones

La región inicial de búsqueda está especificada por los rangos de un conjunto de variables independientes.

La región de búsqueda se divide en un árbol de cajas (tree of boxes).

Inicialmente se divide cada rango de cada variable en dos (produciendo $2^N$ cajas para $N$ variables).

La unión de todas las hojas coincide con el epacio de búsqueda inicial.

Cada vez que se encuentran dos mínimos locales en una caja, el espacio se vuelve a subdividir.

Por lo que se pueden tener árboles a diferente profundidad en regiones diferentes.

En el proceso de búsqueda tabú, ahora en lugar de tener puntos, tenemos regiones, por lo que: (i) tenemos que evaluar el potencial de cada región, y (ii) el número de cajas crece con el tiempo (dinámico).

El proceso de búsqueda tabú tiene que identificar cajas promisorias rápidamente.

Una forma de evaluación simple es tomar un punto aleatorio en la región usando una distribución uniforme. Para evitar que se generen puntos coincidentales (muy malos o muy buenos), si se vuelve a visitar la región (caja) se regresa información acumulativa de la región.

Posibles esquemas:

  1. Se regresa el promedio de los puntos visitados.
  2. Se regresa el mínimo de los puntos visitados.

Debido a que el árbol puede tener hojas (cajas/regiones) de diferente tamaño no es directo identificar las regiones vecinas de un nuevo vecino generado.

Si el vecino generado no tiene una región ya generada, entonces se usa la región más pequeña generada que lo incluya.

Si se cubre más de una región, se selecciona una de ellas en forma aleatoria.

Los vecinos se consideran si no son regiones prohibidas (TL).

Si yá se exploró una región, ésta no se vuelve a explorar a menos que exista evidencia de un nuevo mínimo local.

En cuanto se identifica otro mínimo local, se divide la región en $2^N$ nuevas regiones.

Como puede verse la idea básica de búsqueda tabú es relativamente simple y lo que se ha hecho son extensiones para modificar dinámicamente la lista tabú o el esquema de vecindad para salir, como en los casos anteriores, de mínimos locales.

Por otro lado, las ideas de intesificación y diversificación también son temas de estudio para la mayoría de las técnicas que estamos viendo.


next up previous
Next: 6. Recocido Simulado Up: 5.6 Continuous RTS Previous: 5.6.1 Optimizador Local (Affine
Eduardo Morales Manzanares 2004-11-02