Optimización de extremos

Optimización de extremos

La optimización de los extremos se inspira en el modelo de Bak-Sneppen de criticidad autoorganizada de la coevolución del campo de la física estadística. El modelo de criticidad autoorganizado sugiere que algunos sistemas dinámicos tienen un punto crítico como atractor, donde los sistemas exhiben períodos de cámara lenta o acumulación seguidos de períodos cortos de avalancha o inestabilidad. Ejemplos de tales sistemas incluyen formación de tierra, terremotos y dinámica de pilas de arena.

El modelo de Bak-Sneppen explica esta dinámica en los sistemas coevolutivos y en el modelo de equilibrio puntuado, que se describe como largos períodos de estado seguidos de cortos períodos de extinción y grandes cambios evolutivos.

La dinámica del sistema se refleja en la mejora constante de una solución candidata con caídas repentinas y significativas en la calidad de la solución candidata. Estas dinámicas permiten dos fases principales de actividad en el sistema: 1) explotar localmente soluciones de mejor calidad y 2) escapar de posibles óptimos locales con un colapso poblacional y explorar el espacio de búsqueda de un nuevo dominio: soluciones de alta calidad.

El objetivo de la estrategia de procesamiento de información es identificar iterativamente los componentes de peor desempeño de una solución dada y reemplazarlos o intercambiarlos por otros componentes. Esto se logra mediante la asignación de costos a los componentes de la solución en función de su contribución al costo total de la solución en el dominio. Una vez que se evalúan los componentes, se pueden clasificar y los componentes más débiles se pueden reemplazar o reemplazar con un componente seleccionado al azar.

he aquí el pseudocódigo optimización de extremos:

optimización extrema

La selección determinista del peor componente en la función SelectWeakComponent y el reemplazo en la función SelectReplacementComponent es un EO clásico. Si estas decisiones son probabilísticas utilizando el parámetro τ, entonces hablamos de τ-Optimización extrema.

La optimización extrema se diseñó para problemas de optimización combinatoria, aunque se han aplicado variaciones a la optimización continua de funciones. La selección del componente del caso más desfavorable y del componente de reemplazo en cada iteración puede ser determinista o probabilística, denominándose esta última optimización τ -extremal u optimización extrema-τ dado el uso de un parámetro τ. Seleccionar una función de puntuación adecuada de los componentes de una solución es la parte más difícil de aplicar a la técnica. Para la optimización τ-extrema, se ha demostrado que valores bajos de τ (como τ en [1.2; 1.6]) son eficientes para el TSP.