INTRODUCCIN A LAS

TCNICAS HEURSTICAS

UNIVERSIDAD DE CUENCA
Escuela de Ingeniera Elctrica
Cuenca, Ecuador

MATERIA:
Investigacin De Operaciones
Nombres
Andrs pulla
Romel Ulloa
Andrs Villa

2014/2015

Introduccin a las tcnicas heursticas

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

Abstract
Este documento nos da a conocer tcnicas heursticas es decir procedimientos para resolver
problemas de difcil solucin especialmente aquellos que surgen en aplicaciones del mundo real,
as las principales ventajas de estas tcnicas es que son simples de entender y fciles de
implementar, con lo que nos ahorran tiempo de formulacin y de computacin, producindonos
soluciones aceptables, pero antes es necesario modelizar la realidad, es decir conocer la
estructura de un modelo matemtico de optimizacin y distinguir los distintos tipos de modelos
matemticos. Por lo que se podra decir que las tcnicas heursticas son un procedimiento
sistemtico y lgico que nos lleva a acercarnos ms rpidamente a la solucin.

INTRODUCCION
Ya que la ingeniera est dirigida hacia aplicaciones de la vida real, nosotros como
ingenieros necesitamos de investigacin con gran rigor matemtico para la optimizacin
por lo que cuando se desea resolver un problema existen dos maneras bsicas de
abordarlo, ya sea utilizando un mtodo exacto o de mtodos heursticos. Los mtodos
exactos nos dan una solucin ptima del problema, utilizando algoritmos ya probados, sea
el mtodo simplex o algoritmo de ramificacin y acotamiento. Sin embargo la mayora de
problemas de la vida real no se pueden resolver con estos mtodos exactos, debido a su
complejidad y el tiempo que necesitan para encontrar una solucin es muy elevado
aumentando exponencialmente con el tamao del problema. Debido a esto los mtodos
heursticos tienen un gran uso dentro de nuestro campo de la ingeniera ya que estos se
limitan a proporcionar una buena solucin del problema, no necesariamente ptima como
la de los mtodos exactos, pero el tiempo invertido en resolverlos es aceptable. En los
problemas difciles de resolver modelados de la vida real, al resolverse por este mtodo
encuentran muy buenas soluciones de forma rpida y eficaz.
El xito de las tcnicas heursticas para resolver problemas de optimizacin de difcil
solucin se da principalmente en aplicaciones del mundo real debido al tamao y
complejidad de muchos problemas. Ya que son tiles para desarrollar planes que
comprenden objetivos, en modelos de gran tamao, y en aquellos problemas que tienen
relaciones complejas o no lineales que deben considerarse simultneamente en la
programacin de actividades.
En este documento abordamos conceptos bsicos de las tcnicas heursticas, de igual
manera conceptos relacionados al mismo tema como son heurstica y metaheurstica, las
ventajas y los inconvenientes de usar estas tcnicas, los tipos de metaheurstica, y
principios de la bsqueda por entorno, el cual es muy importante para comprender el
funcionamiento de heursticas ms avanzadas. Al final del documento, se presentan
algunas conclusiones que dejan claros la importancia y el potencial de estas tcnicas
dentro del campo de la ingeniera.

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

Definicin de heurstica
La idea ms general del trmino heurstica est relacionada con la tarea de resolver
inteligentemente problemas reales utilizando algunos principios y reglas aproximadas
reduciendo el tiempo promedio consumido en la bsqueda de una solucin aceptable
aunque no ptima.
Una definicin intuitiva es la propuesta por Zeneckis (1981):
Las heursticas son procedimientos simples basados en el sentido comn que se supone
que obtendrn una buena solucin (no necesariamente la mejor) a un problema difcil de
un modo sencillo y rpido.
En Investigacin de Operaciones, las tcnicas de programacin heurstica se utilizan
cuando el problema es de gran tamao y complejidad. Las tcnicas heursticas buscan
soluciones basadas en caractersticas de aceptabilidad ms que en reglas optimizadoras,
la evaluacin de las tcnicas heursticas se hace por procedimientos inductivos ms que
deductivos. Adems hay que tener en cuenta que programa heurstico se va a utilizar y la
validacin del mismo.
Estos programas heursticos no son programas que se justifican por procedimientos
analticos si no porque son probados experimentalmente. Una tcnica heurstica nos
permite resolver problemas de optimizacin con buenas soluciones y con un costo
computacional razonable. Estos mtodos heursticos nos permiten encontrar una solucin
de alta calidad casi aproximada a la ptima, brindndonos soluciones muy buenas en la
prctica, por lo que ha crecido mucho el inters dentro del estudio y aplicacin de
procedimientos heursticos en Investigacin de Operaciones, pasando de ser
considerados pobres herramientas a instrumentos fundamentales y, en muchos casos,
imprescindibles para la resolucin prctica de un problema.
Una funcin heurstica es una correspondencia entre las descripciones de estados del
problema hacia alguna medida de deseabilidad, normalmente representada por nmeros.
Quiere decir que mensura cada estado del problema y dice qu tan cerca de la solucin
ptima est. El propsito es el de guiar el proceso de bsqueda en la direccin que ms
nos convenga por lo que nos dice qu camino tomar cuando hay ms de uno disponible.
Cuanto ms exactamente estime la funcin heurstica los mritos de cada nodo del rbol
(o grafo) que representa al problema, ms directo ser el proceso de solucin. En general,
hay que hacer una ponderacin entre el costo de evaluacin de una funcin heurstica y el
ahorro de tiempo de bsqueda que proporciona la funcin.
La palabra heurstica proviene del griego Heurskein que significa hallar, inventar. La
popularizacin del concepto se debe al matemtico George Plya, por su libro. En la cual
hace mencin de cmo los matemticos llegan la solucin de problemas, este libro
contiene la clase de recetas heursticas, como por ejemplo.

Si no consigues entender un problema, se tiene que dibujar un esquema.

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

Si no encuentras la solucin al problema, haz como si ya la tuvieras y mira qu

puedes deducir de ella.
Si el problema es abstracto, prueba a examinar un ejemplo concreto.
Intenta abordar primero un problema ms general.

Mientras que para Bartholdi y Platzman en 1988 define:

Una heurstica puede verse como un procesador de informacin que, deliberada, pero
juiciosamente, ignora cierta informacin. Ignorando informacin, una heurstica se libra de
gran parte del esfuerzo que debi haberse requerido para leer los datos y hacer clculos
con ellos. Por otra parte, la solucin producida por tal heurstica, es independiente de la
informacin ignorada, y de este modo no se ve afectada por cambios en tal informacin.
Idealmente, se busca ignorar informacin que resulta muy caro colectar y mantener, esto
es, computacionalmente caro de explotar y mantener, y que contribuye en poco a la
precisin de la solucin.
El uso de las Heursticas se aconseja cuando:

No existe un mtodo exacto de resolucin, o se requiere demasiado gasto

computacional o de memoria.
No es necesario encontrar la solucin ptima, si no que nos basta con una
solucin aproximada.
Los datos que tenemos son poco fiables, por lo que no tiene sentido el tratar de
encontrar el resultado ptimo.
Existen limitaciones de tiempo o de memoria en facilitarnos la respuesta.
Se va a utilizar como solucin inicial para un algoritmo exacto de tipo iterativo.

Si bien los resultados que se logran con una heurstica pueden no ser muy buenas en los
peores casos, estos peores casos raramente ocurren en el mundo real.
El intentar comprender por qu funciona una heurstica, o por qu no lo hace,
normalmente sirve para profundizar en la comprensin del problema.
Si bien es cierto las heursticas son utilizadas en el mundo actual existen ciertas ventajas
y desventajas en su aplicacin, las cuales quedan resumidas de la siguiente manera:
Ventajas:

Flexibilidad frente al encorsetamiento de la investigacin operativa clsica.

Ms comprensibles e intuitivos que los mtodos exactos.
En algunas ocasiones encontrarn una solucin aceptablemente buena en un
tiempo razonable.
El mtodo heurstico se utiliza como parte de un procedimiento global, proporciona
una buena solucin inicial de partida.
El mtodo heurstico es ms flexible que un mtodo exacto, permitiendo, por
ejemplo, la incorporacin de condiciones de difcil modelizacin.

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

Desventajas:

Imposible conocer la cercana con respecto del ptimo global de la solucin

obtenida.
No garantizan que se encuentre una solucin, aunque existan soluciones.
Si encuentran una solucin, no se asegura que sta tenga las mejores
propiedades.
Dependencia de la estructura del problema considerado y falta de habilidad para
adaptarse a nuevas situaciones o modificaciones del problema de partida.

Fig1.ventajas de las tcnicas heursticas

Cundo utilizar las tcnicas heursticas

En los ltimos aos ha habido un crecimiento espectacular en el desarrollo de
procedimientos heursticos para resolver problemas de optimizacin. Este hecho queda
claramente reflejado en el gran nmero de artculos publicados en revistas
especializadas.
Las razones por las que se utilizan mtodos heursticos adems de las ya antes
mencionadas como es el caso de la resolucin de un problema difcil, el uso de un
procedimiento heurstico en lugar de un procedimiento ptimo para resolver un problema,
est especialmente indicado cuando:
1. El problema es de una naturaleza tal que no se conoce algn mtodo exacto para
su resolucin.
2. Aunque existe un mtodo exacto para resolver el problema, su uso es
computacionalmente muy costoso.
3. Se prefiere abordar, por medio de heursticas, una representacin ms ajustada
del problema planteado que una versin menos realista de tal problema que pueda
resolverse de forma exacta. Es decir, se prefiere resolver de forma aproximada un
modelo ajustado a la realidad que resolver de forma exacta un modelo aproximado
de la realidad. En este sentido, los mtodos heursticos son ms flexibles que los
5

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

mtodos exactos, permitiendo la incorporacin de condiciones de difcil

modelizacin.
4. Se desea aumentar la eficiencia de un procedimiento exacto. En ese caso un
mtodo heurstico puede proporcionar una buena solucin inicial de partida o
participa en un paso intermedio del procedimiento, como por ejemplo, las reglas de
seleccin de variables de entrada en el mtodo simplex, o el establecimiento de
cotas en el algoritmo de ramificacin y acotamiento.
5. Se tiene que resolver repetidas veces un mismo problema, probablemente con
datos distintos. En estas circunstancias se requiere un procedimiento eficiente de
resolucin que suministre de forma rpida una solucin suficientemente buena.
Estas situaciones se presentan, por ejemplo, al tener que determinar diariamente
valores de las variables de inters.

Inconvenientes de las tcnicas heursticas

A pesar de que las heursticas son una alternativa excelente para resolver problemas de
difcil solucin, stas tambin adolecen de ciertas propiedades deseables. Un
inconveniente de la gran mayora de los mtodos heursticos es su dependencia de la
estructura del problema para el cual fue diseado, y su falta de habilidad para adaptarse a
nuevas situaciones o modificaciones del problema de partida. As, usan propiedades de la
regin factible y/o de la funcin objetivo o informacin a priori que hacen que los
procedimientos sean vlidos slo bajo esas condiciones
A diferencia de los mtodos exactos, no existe un procedimiento conciso y preestablecido,
independiente del problema. En los mtodos heursticos las tcnicas e ideas aplicadas a
la resolucin de un problema son especficas de ste y aunque, en general, pueden ser
trasladadas a otros problemas, han de particularizarse en cada caso.
Otro problema importante de los heursticos es su incapacidad para escapar de ptimos
locales. Una solucin heurstica para un problema podra corresponder o estar muy
cercana a un ptimo local y no a un ptimo global, ya que estos algoritmos pueden
quedarse atrapados en una zona del espacio de soluciones.
Para superar los inconvenientes que presentan los mtodos heursticos clsicos, durante
los ltimos aos diferentes investigadores han estado trabajando en un tipo de
procedimientos heursticos generales que pueden usarse para resolver una amplia
variedad de problemas adaptando convenientemente los elementos que los definen y que
permiten obtener mejores resultados. Tales procedimientos son las Metaheursticas.

Clasificacin de las tcnicas heursticas

Dentro de las tcnicas heursticas existen muchos mtodos de naturaleza muy diferente,
cada uno diseado para ese problema en especfico sin posibilidad de generalizacin o
6

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

aplicacin a otros problemas similares; por lo que es complicado dar una clasificacin
completa. A continuacin se da a conocer una categora amplia de los mtodos
heursticos ms conocidos:

a) Mtodos Constructivos:
Consisten en construir literalmente paso a paso una solucin del problema. Usualmente
son mtodos deterministas y suelen estar basados en la mejor eleccin en cada iteracin.
Estos mtodos han sido muy utilizados en problemas clsicos como el del viajante.
Las heursticas de construccin son aquellas para las cuales se estudia su garanta de
calidad. La mayora de las heursticas comunes (las que se nos ocurriran a nosotros), son
heursticas de construccin.
Un representante de stos son los algoritmos greedy (golosos o devoradores). Dentro de
este mtodo tambin existen los siguientes algoritmos: Vecino ms prximo, de insercin,
rboles generadores y heursticos basados en ahorro.
b) Mtodos de Descomposicin:
El problema original se descompone en sub problemas ms sencillos de resolver, siendo
el output del uno el input del otro, se debe tener en cuenta, aunque sea de manera
general, que ambos pertenecen al mismo problema. De forma que al resolver los
subproblemas obtengamos una solucin para el problema global, esto es conocido como
el divide y vencers.
Algunos autores diferencian entre mtodos de descomposicin (los subprogramas se
resuelven en cascadas) y mtodos de particin (cuando los subprogramas son
independientes entre s).
c) Mtodos inductivos:
La idea de estos mtodos es generalizar de versiones pequeas o ms sencillas al caso
completo. Propiedades o tcnicas identificadas en estos casos ms fciles de analizar
pueden ser aplicadas al problema completo.
d) Mtodos de Reduccin:
Consiste en identificar propiedades que se cumplen mayoritariamente por las buenas
soluciones, es decir, se trata de identificar alguna caracterstica que presumiblemente
deba poseer la solucin ptima e introducirlas como restricciones del problema. El objeto
es restringir el espacio de soluciones simplificando el problema. El riesgo obvio es dejar
fuera las soluciones ptimas del problema original.
e) Manipulacin del modelo:
Se trata de simplificar el esquema terico para encontrar los valores de las variables de
decisin con mayor facilidad, deduciendo, a partir de ella, la solucin del problema
7

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

original. Como posibles estrategias se pueden ampliar o reducir el espacio de las

opciones.
f) Mtodos de Bsqueda por entornos:
A diferencia de los mtodos anteriores, estos mtodos parten de una solucin factible
inicial (obtenida quiz mediante otra heurstica) y, mediante alteraciones de esa solucin,
van pasando de forma iterativa, y mientras no se cumpla el criterio de parada, a otras
soluciones factibles de su entorno, almacenando la mejor de las alternativas visitadas.
A continuacin se describen las bsquedas por entornos ms usadas:

Bsqueda Aleatoria Pura: Generar aleatoriamente soluciones del problema hasta

que se cumpla el criterio de parada. Devolver la mejor solucin encontrada.
Bsqueda Local: Dada una solucin inicial, determinar la mejor solucin vecina
de sta. Si la nueva solucin es mejor que la inicial, continuar el proceso con ella.
En caso contrario, finalizar la bsqueda. Devolver la mejor solucin encontrada.
Bsqueda Multiarranque: Aplicar bsquedas locales desde soluciones de inicio
generadas aleatoriamente hasta que se cumpla el criterio de parada.
Bsqueda por entorno variable: Se parte de una solucin inicial y de un conjunto
de entornos. Se aplica una bsqueda local con la estructura de entorno escogida
hasta que se alcanza un ptimo local. Luego se genera aleatoriamente una
solucin vecina del ptimo encontrado en la estructura. Se repite el proceso hasta
alcanzar el nmero mximo de iteraciones en el conjunto de entornos.

Reglas de Parada
En cualquier procedimiento de bsqueda de soluciones para un problema dado, uno de
los elementos ms importantes es el criterio de parada empleado. La regla de parada es
responsable, en gran medida, del grado de eficiencia y eficacia del procedimiento de
solucin. En ocasiones, el criterio de parada viene determinado por la bsqueda
empleada.
Se obtienen criterios de parada ms eficaces al realizar un estudio del procedimiento,
estudiar la funcin objetivo, estudiar la regin factible, analizar la evolucin de la
bsqueda o evaluar las caractersticas de las soluciones obtenidas.
g) Mtodos combinados:
Si bien todos los mtodos citados anteriormente han contribuido a ampliar nuestro
conocimiento para la resolucin de problemas reales, los mtodos constructivos y los de
bsqueda local constituyen la base de los procedimientos metaheursticos y son
conocidos como mtodos combinados.

Metaheursticas

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

Las metaheursticas son estrategias inteligentes para disear o mejorar procedimientos

heursticos generales con un alto rendimiento. El trmino fue introducido por Glover
(1986) en el artculo que presenta las ideas bsicas de bsqueda tab. A partir de
entonces, han surgido multitud de propuestas para disear buenos procedimientos para
resolver ciertos problemas que, al ampliar su campo de aplicacin, han adoptado la
denominacin de metaheursticas.
Segn Osman y Kelly nos dicen que:
Los procedimientos metaheursticos son una clase de mtodos aproximados que estn
diseados para resolver problemas difciles de optimizacin combinatoria, en los que los
heursticos clsicos no son efectivos. Los Metaheursticos proporcionan un marco general
para crear nuevos algoritmos hbridos combinando diferentes conceptos derivados de los
heursticos clsicos, la inteligencia artificial, la evolucin biolgica, sistemas neuronales y
mecnica estadstica.
Mientras que para otros autores:
Una metaheurstica es un proceso iterativo que dirige y modifica las operaciones de otras
heursticas subordinadas para producir soluciones de alta calidad. Puede manipular una
solucin nica (completa o incompleta) o un conjunto de ellas en cada iteracin. El
heurstico subordinado puede ser un procedimiento de alto (bajo) nivel, una simple
bsqueda local o un mtodo de construccin.
Las metaheuristicas se sitan por encima de las heursticas en el sentido que guan el
diseo de stas. Por lo que al abordar un problema de optimizacin, se puede escoger
cualquier metaheurstica para disear un algoritmo especfico que lo resuelva
aproximadamente.Las metaheursticas han tenido un gran desarrollo y crecimiento desde
sus comienzos hasta los ltimos aos. Ya que en el mundo real nos han permitido
resolver una gran variedad de problemas teniendo mucho xito y en muchos de los casos
siendo nica alternativa factible para encontrar una solucin de calidad en un tiempo
razonable. En general, las metaheursticas se comportan como mtodos robustos y
eficientes, por lo que hoy en da constituyen un rea importante de investigacin y
aplicacin.
Dentro de la familia de las metaheursticas incluyen : procedimientos de memoria
adaptativa; bsqueda tab; mtodos GRASP; recocido simulado; sistemas de hormigas;
bsqueda por entornos variables; mtodos evolutivos entre los cuales se encuentran
algoritmos genticos, estrategias evolutivas, bsqueda dispersa y algoritmos memticos;
redes neuronales; mtodo de aceptacin por umbrales; y mtodos hbridos.

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

Fig2. Familia metaheurstica

Conclusiones
En este documento se da a conocer los mtodos heursticos ms conocidos, adems de
las grandes ventajas frente a los mtodos exactos ya que son relativamente rpidos en
sus tiempos de ejecucin y por ende se convierten en una gran alternativa cuando el
tiempo para encontrar una solucin es la restriccin ms importante.
Las tcnicas heursticas son muy usadas ya que nos permiten resolver problemas
complejos del mudo real, debido a que muchos problemas de decisin reales implican
optimizar varios objetivos, como es el tiempo de clculo, precisin y la calidad del
resultado.

Bibliografa:
[1] R. Z. R. M. &. J. L. Gonzales, ingenierias.uanl.mx, 2000. [En lnea].
Available:
http://ingenierias.uanl.mx/9/pdf/9_Roger_Rios_et_al_Investigacion_de_oper.p
df. [ltimo acceso: 15 01 2015].
[2] I. I. y. P. L. Abdelmalik Moujahid, www.sc.ehu.es, 2003. [En lnea].
Available: http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t1s.pdf.
[ltimo acceso: 10 01 2015].
[3] J. E. C. R. J. C. a. J. M. M. V. Jesus David Beltran, www.raycojorge.info, [En
lnea]. Available: http://www.raycojorge.info/wpcontent/uploads/2011/11/caepia03.pdf. [ltimo acceso: 10 01 2015].
[4] D. M. J. a. D. M. A. Mara Alejandra Quintero M., Mtodos heursticos para
la, de Doctorado en Ciencias Aplicadas, Mrida, noviembre 2009.
10

INTRODUCCIN A LAS TCNICAS HEURSTICAS

2015

11