Optimización de extremos
La optimización de extremos está inspirada en el modelo Bak-Sneppen de criticidad autoorganizada de coevolución del campo de la física estadística. El modelo de criticidad autoorganizada sugiere que algunos sistemas dinámicos tienen un punto crítico como atractor, donde los sistemas exhiben períodos de movimiento lento o acumulación seguidos de períodos cortos de avalancha o inestabilidad. Los ejemplos de tales sistemas incluyen la formación de la tierra, los terremotos y la dinámica de las pilas de arena.
El modelo de Bak-Sneppen da cuenta de estas dinámicas 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 traduce 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 mayor calidad y 2) escapar de posibles óptimos locales con un colapso de la población y explorar el espacio de búsqueda de un nuevo dominio de soluciones de alta calidad.
El objetivo de la estrategia de procesamiento de información es identificar iterativamente los componentes de peor rendimiento de una solución dada y reemplazarlos o intercambiarlos con 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 reemplazar los componentes más débiles o reemplazarlos con un componente seleccionado al azar.
he aquí el pseudocódigo optimización de extremos:
La selección determinista del peor componente en la función SelectWeakComponent y el reemplazo en la función SelectReplacementComponent es una EO clásica. Si estas decisiones son probabilísticas utilizando el parámetro τ, entonces hablamos de optimización τ-Extrema.
La optimización extrema se diseñó para problemas de optimización combinatoria, aunque se han aplicado variaciones a la optimización de funciones continuas. La selección del peor componente y el componente de reemplazo en cada iteración puede ser determinista o probabilística, denominándose esta última optimización τ-extrema u optimización extrema-τ dado el uso de un parámetro τ. Seleccionar una función de puntuación apropiada de los componentes de una solución es la parte más difícil de aplicar la técnica. Para la optimización τ-Extremal, los valores bajos de τ (como τ en [1.2; 1.6]) han demostrado ser efectivos para TSP.
