Ortiz Dávila, Álvaro EnriqueBernal Peña, Yuri Cristian2018-04-182018-04-182017-11-21http://hdl.handle.net/11349/8000Los problemas de optimización combinatoria son problemas de alta complejidad, cuyas mejores soluciones se han dado a través del uso de metaheurísticas. Los Algoritmos Meméticos (MA) hibridan un Algoritmo Genético (GA) con un Algoritmo de Búsqueda Local (LS), dando como resultado una metaheurística con ventajas en la exploración tanto global como local. La presente investigación propone un MA que ajusta durante la exploración su método y parámetros de Búsqueda Local dependiendo de la diversidad poblacional, así como en dicho ajuste se innova realizando también exploraciones por el espacio infactible de soluciones. El MA Autoadaptativo se pone a prueba utilizando el problema de la mochila o knapsack.The problems of combinatorial optimization are problems of high complexity, whose best solutions have been given through the use of metaheuristics. Memetic Algorithms (MA) hybridize a Genetic Algorithm (GA) with a Local Search Algorithm (LS), resulting in a metaheuristic with advantages in global and local exploration. The present investigation proposes an MA that adjusts during the exploration the methods and parameters of Local Search depending of the population diversity, and in that adjustment the algorithm innovates also making explorations for the infactible space of solutions. The Self Adaptive MA is tested using the knapsack problem.pdfspaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Algoritmos MeméticosOptimización CombinatoriaAlgoritmos GenéticosEspacio InfactibleAlgoritmos EvolutivosMetaheurísticaMAESTRÍA EN INGENIERÍA INDUSTRIAL - TESIS Y DISERTACIONES ACADÉMICASALGORITMOS GENÉTICOSOPTIMIZACIÓN COMBINATORIAALGORITMOS EVOLUTIVOSinfo:eu-repo/semantics/openAccessMemetic AlgorithmsCombinatorial OptimizationGenetic AlgorithmsInfeasible SpaceEvolutionary AlgorithmsMetaheuristicsMonografíaAbierto (Texto Completo)