{"id":1933,"date":"2016-02-10T10:01:56","date_gmt":"2016-02-10T09:01:56","guid":{"rendered":"http:\/\/smart--grid.net\/?page_id=1933"},"modified":"2022-12-03T22:58:54","modified_gmt":"2022-12-03T21:58:54","slug":"recuit-simule","status":"publish","type":"page","link":"https:\/\/complex-systems-ai.com\/es\/algoritmos-basados-en-la-fisica\/recocido-simula\/","title":{"rendered":"Recocido simulado"},"content":{"rendered":"<div data-elementor-type=\"wp-page\" data-elementor-id=\"1933\" class=\"elementor elementor-1933\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-3ed7051 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"3ed7051\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-aa7dd3b\" data-id=\"aa7dd3b\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-b14a049 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"b14a049\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/es\/algoritmos-basados-en-la-fisica\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Algoritmos f\u00edsicos<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-e0fa98c\" data-id=\"e0fa98c\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-ee2a618 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"ee2a618\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/es\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Pagina de inicio<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-72f4138\" data-id=\"72f4138\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-f1d91ae elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"f1d91ae\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Recuit_simul%C3%A9\" target=\"_blank\" rel=\"noopener\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Wiki<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-6b25a5a5 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"6b25a5a5\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-312860ee\" data-id=\"312860ee\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-653f695e elementor-widget elementor-widget-text-editor\" data-id=\"653f695e\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Contenido<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Tabla de contenido alternativo\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Palanca<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/complex-systems-ai.com\/es\/algoritmos-basados-en-la-fisica\/recocido-simula\/#Recuit-simule\" >Recocido simulado<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/complex-systems-ai.com\/es\/algoritmos-basados-en-la-fisica\/recocido-simula\/#Presentation-de-lalgorithme\" >Presentaci\u00f3n del algoritmo<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/complex-systems-ai.com\/es\/algoritmos-basados-en-la-fisica\/recocido-simula\/#Deroulement-de-lalgorithme\" >Secuencia del algoritmo<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Recuit-simule\"><\/span>Recocido simulado<span class=\"ez-toc-section-end\"><\/span><\/h2><div style=\"padding: 5px; background-color: #ffdcd3; border: 2px solid #ff7964; -moz-border-radius: 9px; -khtml-border-radius: 9px; -webkit-border-radius: 9px; border-radius: 9px;\">El recocido es un m\u00e9todo metal\u00fargico que permite obtener s\u00f3lidos cristalizados evitando el estado v\u00edtreo. Una vez que el metal se ha derretido, la temperatura se baja gradualmente hasta que alcanza un estado s\u00f3lido. Para eliminar todos los defectos, el metal se calienta y luego se enfr\u00eda, en pasos de temperatura decrecientes, hasta que se alcanza un estado estable.<\/div><p style=\"text-align: justify;\">Este sistema de pasos decrecientes dio origen al algoritmo Metropolis de 1953 y luego al recocido simulado por IBM en 1983.<\/p><h2 style=\"text-align: justify;\"><span class=\"ez-toc-section\" id=\"Presentation-de-lalgorithme\"><\/span>Presentaci\u00f3n del algoritmo<span class=\"ez-toc-section-end\"><\/span><\/h2><p style=\"text-align: justify;\">El algoritmo de recocido simulado, o recocido simulado para hablantes de ingl\u00e9s, es por lo tanto la adaptaci\u00f3n <a href=\"https:\/\/complex-systems-ai.com\/es\/algoritmico\/\">algor\u00edtmico<\/a> del proceso de recocido.<\/p><div style=\"padding: 5px; background-color: #d5edff; border: 2px solid #3c95e8; -moz-border-radius: 9px; -khtml-border-radius: 9px; -webkit-border-radius: 9px; border-radius: 9px;\">El objetivo es lograr un estado estable de la funci\u00f3n objetivo, un \u00f3ptimo local o global, a partir de una soluci\u00f3n aleatoria. Este estado se alcanza por etapas, donde la aceptaci\u00f3n de una mutaci\u00f3n se realiza seg\u00fan la &quot;temperatura&quot; de la etapa.<\/div><div style=\"padding: 3px; border: 2px dotted #a5a5a5; background-color: #f6f9fa;\"><p>El algoritmo de recocido simulado genera sucesivamente configuraciones a partir de una soluci\u00f3n inicial R<sub>0<\/sub> y una temperatura inicial T<sub>0<\/sub> disminuyendo con cada iteraci\u00f3n, hasta obtener una configuraci\u00f3n estable. La probabilidad de aceptar una nueva configuraci\u00f3n es (regla de Metropolis):<\/p><ul style=\"text-align: justify;\"><li>1 si la configuraci\u00f3n mejora la funci\u00f3n objetivo;<\/li><li>exp (diff (E) \/ T) con diff (E) la diferencia de energ\u00eda y T la temperatura; la diferencia de energ\u00eda es una funci\u00f3n interna, dependiendo de la funci\u00f3n objetivo.<\/li><\/ul><\/div><h2 style=\"text-align: justify;\"><span class=\"ez-toc-section\" id=\"Deroulement-de-lalgorithme\"><\/span>Secuencia del algoritmo<span class=\"ez-toc-section-end\"><\/span><\/h2><p style=\"text-align: justify;\">El algoritmo de recocido es el siguiente:<\/p><ol style=\"text-align: justify;\"><li>Tome una soluci\u00f3n inicial R = R<sub>0<\/sub> y una temperatura inicial T = T<sub>0<\/sub>. El estado inicial es en cuanto a los m\u00e9todos exactos, obtenidos por un <a href=\"https:\/\/complex-systems-ai.com\/es\/optimizacion-combinatoria\/\">heur\u00edstico<\/a> (cuesta abajo o glot\u00f3n).<\/li><li>Genera una soluci\u00f3n aleatoria R<sub>(yo + 1)<\/sub> en las cercan\u00edas de la soluci\u00f3n actual:<ol><li>comparar R<sub>(yo + 1)<\/sub> con R<sub>I<\/sub> seg\u00fan la regla de Metropolis<\/li><li>repetir hasta que se encuentre una soluci\u00f3n estable (o despu\u00e9s de un cierto n\u00famero de iteraciones)<\/li><\/ol><\/li><li>Disminuir la temperatura T a una temperatura umbral T<sub>min<\/sub>, o tener una soluci\u00f3n estable.<\/li><\/ol><div style=\"padding: 3px; border: 2px dotted #a5a5a5; background-color: #f6f9fa;\"><pre> R<sub>0<\/sub>\nT<sub>0<\/sub>\n<b>tanto que<\/b> T&gt; T<sub>min<\/sub> <b>y<\/b> E&gt; e<sub>max<\/sub>\n   R<sub>(yo + 1)<\/sub> = vecino (R<sub>I<\/sub>)\n<b>   si<\/b> E (R<sub>(yo + 1)<\/sub>) &lt;E (R<sub>I<\/sub>) <b>D\u00f3nde<\/b> aleatorio () &lt;P (diff (E) \/ T) <b>entonces<\/b>\n      aceptar R<sub>(yo + 1)<\/sub>\n   actualizar T\n<b>regreso<\/b> R<sub>no<\/sub><\/pre><\/div><p style=\"text-align: justify;\"><img fetchpriority=\"high\" decoding=\"async\" class=\"alignnone wp-image-1988 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/sa.png\" alt=\"Recocido simulado\" width=\"1075\" height=\"579\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/sa.png 1075w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/sa-300x162.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/sa-1024x552.png 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/sa-768x414.png 768w\" sizes=\"(max-width: 1075px) 100vw, 1075px\" \/><\/p><p style=\"text-align: justify;\">Dado que T es grande al principio, se pueden elegir muchas soluciones que degraden la soluci\u00f3n actual. Esto permite escapar de un \u00f3ptimo local. La siguiente figura muestra el valor de la funci\u00f3n objetivo en funci\u00f3n del vector de par\u00e1metros X. Por tanto, la temperatura permite &quot;saltar&quot; zonas menos &quot;buenas&quot; para dejar un &quot;valle&quot;. Las bolas y se\u00f1ales de la siguiente figura muestran hasta qu\u00e9 altura pueden &quot;saltar&quot; las bolas, es decir, la tolerancia de variaci\u00f3n negativa de la funci\u00f3n objetivo en la obtenci\u00f3n de una nueva soluci\u00f3n.<\/p><p style=\"text-align: justify;\"><img decoding=\"async\" class=\"alignnone wp-image-1979 size-large\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/image7-1024x502.jpeg\" alt=\"Recocido simulado\" width=\"1024\" height=\"502\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/image7-1024x502.jpeg 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/image7-300x147.jpeg 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/image7-768x377.jpeg 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/image7-1536x754.jpeg 1536w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/image7-2048x1005.jpeg 2048w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/image7-1200x589.jpeg 1200w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/image7-1980x972.jpeg 1980w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p><p style=\"text-align: justify;\">Si la temperatura es baja, es m\u00e1s dif\u00edcil escapar de un \u00f3ptimo local:<\/p><p style=\"text-align: justify;\"><img decoding=\"async\" class=\"alignnone wp-image-1973 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/img143.png\" alt=\"Recocido simulado\" width=\"551\" height=\"367\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/img143.png 551w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2016\/02\/img143-300x200.png 300w\" sizes=\"(max-width: 551px) 100vw, 551px\" \/><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"<p>Algoritmos f\u00edsicos Wiki home page Recocido simulado El recocido es un m\u00e9todo metal\u00fargico que permite obtener s\u00f3lidos cristalizados evitando el estado v\u00edtreo. Una vez \u2026 <\/p>","protected":false},"author":1,"featured_media":0,"parent":7121,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-1933","page","type-page","status-publish","hentry"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/1933","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/comments?post=1933"}],"version-history":[{"count":7,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/1933\/revisions"}],"predecessor-version":[{"id":18379,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/1933\/revisions\/18379"}],"up":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/7121"}],"wp:attachment":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/media?parent=1933"}],"curies":[{"name":"gracias","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}