Descripción del proyecto
EN EL DISEÑO DE ALGORITMOS EFICIENTES, EL ADECUADO MODELADO DEL PROBLEMA ES UNO DE LOS ASPECTOS MAS RELEVANTES, LOS GRAFOS SURGEN EN ESTE CONTEXTO COMO UNO DE LOS ELEMENTOS BASICOS DE MODELADO DENTRO DEL AREA DE CIENCIAS DE LA COMPUTACION, SOLO POR MENCIONAR ALGUNOS EJEMPLOS: LA GESTION DE PROYECTOS, LA PROGRAMACION DE PRODUCCION, EL EQUILIBRADO DE LINEAS DE PRODUCCION, LOS PLANES DE NEGOCIOS O LA VISUALIZACION DE SOFTWARE, LA TEORIA DE GRAFOS OFRECE UNA FUENTE MUY RICA DE PROBLEMAS Y DE TECNICAS PARA LA OPTIMIZACION, PROGRAMACION Y DESARROLLO DE ESTRUCTURAS DE DATOS, UN GRAFO SE DEFINE FORMALMENTE COMO UN CONJUNTO DE ELEMENTOS (CONOCIDOS COMO NODOS) QUE ESTAN RELACIONADOS ENTRE SI CON ENLACES (CONOCIDOS COMO ARISTAS), AMBOS, NODOS Y ARISTAS, PUEDEN TENER ASOCIADO UN PESO, REPRESENTANDO INFORMACION RELEVANTE COMO TIEMPO, DISTANCIA, CAPACIDAD, DEMANDA, ETC, LOS GRAFOS SON CAPACES DE MODELAR MUCHOS ESCENARIOS DIFERENTES DONDE SE REQUIERE OPTIMIZACION, ESTE PROYECTO, EN CONCRETO, SE ENFOCA EN CUATRO FAMILIAS DE PROBLEMAS NP, EN PARTICULAR: DIBUJADO DE GRAFOS, LOCALIZACION Y DISPERSION, REDES SOCIALES Y DETECCION Y ANALISIS DE NODOS CRITICOS EN REDES,EL OBJETIVO PRINCIPAL DE ESTE PROYECTO ES ABORDAR ESTAS FAMILIAS DE PROBLEMAS A TRAVES DE METAHEURISTICAS, ENTRE TODAS LAS METAHEURISTICAS QUE HAN APARECIDO EN LOS ULTIMOS AÑOS, NOS GUSTARIA DESTACAR LOS SIGUIENTES PROCEDIMIENTOS (POR SU NOMBRE EN INGLES): GREEDY RANDOMIZED ADAPTIVE SEARCH PROCEDURES (GRASP), VARIABLE NEIGHBORHOOD SEARCH (VNS), TABU SEARCH (TS), SCATTER SEACH (SS), GENETIC ALGORITHMS (GA), Y GRAMMATICAL EVOLUTION (GE), OTRO DE LOS OBJETIVOS DE ESTE PROYECTO ES DISEÑAR UN ALGORITMO EFICIENTE Y EFECTIVO PARA CADA UNO DE LOS PROBLEMAS ABORDADOS, LO QUE REQUIERE ESTUDIAR TANTO EL PROBLEMA ABORDADO COMO LA METAHEURISTICA A APLICAR, PARA ELLO, ANALIZAREMOS EL COSTE DE CALCULAR LA FUNCION DE EVALUACION DE LAS SOLUCIONES, TRATANDO DE REDUCIR EL TIEMPO DE COMPUTO MEDIANTE LA INTRODUCCION DE TECNICAS COMO LA DESCOMPOSICION Y ALMACENAMIENTO DE ESTRUCTURAS DE DATOS AUXILIARES, ADEMAS, ESTUDIAREMOS LOS PROCESOS DE BUSQUEDA LOCAL INTEGRADOS EN MUCHAS DE LAS METAHEURISTICAS ANTES MENCIONADAS, ADAPTANDO SU IMPLEMENTACION AL PROBLEMA CON EL OBJETIVO DE OBTENER EL MEJOR RESULTADO Y EL TIEMPO DE EJECUCION MAS REDUCIDO, FINALMENTE, TAMBIEN ESTUDIAREMOS E IMPLEMENTAREMOS AQUELLAS ESTRATEGIAS DE PARALELIZACION QUE SE AJUSTEN MEJOR A CADA PROBLEMA PARA APROVECHAR AL MAXIMO LOS RECURSOS DISPONIBLES EN LOS MICROPROCESADORES ACTUALES,EN ESTE PROYECTO ABORDAREMOS CADA PROBLEMA CON DOS PERSPECTIVAS COMPLEMENTARIAS, POR UN LADO, BUSCAMOS RESOLVER PROBLEMAS DIFICILES BASADOS EN GRAFOS, QUE REQUIEREN UN ANALISIS PROFUNDO DE LAS CARACTERISTICAS DE CADA UNO DE ELLOS, POR OTRO LADO, BUSCAMOS LA IMPLEMENTACION MAS EFICIENTE DE LOS ALGORITMOS PROPUESTOS, LO QUE REQUIERE TANTO EL CONOCIMIENTO DE LOS METODOS COMO LA CAPACIDAD DE REALIZAR UNA BUENA IMPLEMENTACION, COMO CONSECUENCIA, CONSIDERAMOS QUE PODREMOS CONTRIBUIR AL ESTADO DEL ARTE DE LOS PROBLEMAS ABORDADOS Y AL DESARROLLO METODOLOGICO DE LAS METAHEURISTICAS, PROPONIENDO NUEVOS METODOS, HIBRIDACIONES O INCLUSO NUEVOS OPERADORES DE BUSQUEDA,COMO ES HABITUAL EN NUESTRO GRUPO, PUBLICAREMOS EN NUESTRA WEB (WWW,OPTSICOM,ES) TODAS LAS DEFINICIONES DE PROBLEMAS, INSTANCIAS, CODIGO FUENTE DE LOS ALGORITMOS, RESULTADOS EXPERIMENTALES Y REFERENCIAS RELEVANTES, CON EL OBJETIVO DE FOMENTAR LA PARTICIPACION DE LA COMUNIDAD, INTELIGENCIA ARTIFICIAL\METAHEURISTICAS\OPTIMIZACIÓN\IMPLEMENTACIÓN EFICIENTE\REDES SOCIALES\REDES DE ORDENADORES