Search

[ES] Una entidad financiera es cualquier entidad que tiene como objetivo ofrecer servicios de carácter financiero a sus clientes. Esos servicios van desde ejemplos de la vida cotidiana como: captación y remuneración de ahorros, concesión de préstamos y créditos; hasta el asesoramiento en inversión en los diferentes mercados. En este sentido, los asesores financieros elaboran propuestas de inversión a sus clientes con el objetivo de maximizar sus beneficios. Para ejecutar una propuesta de inversión un asesor necesita de una herramienta capaz de calcular el conjunto de operaciones que deben realizarse en el mercado. En el presente trabajo se proponen algoritmos que resuelven el problema anteriormente expuesto. Para ello, en primer lugar, se define formalmente el problema del rebalanceo automático de carteras financieras, teniendo en cuenta los requisitos de las entidades. Debido a la alta explosión combinatoria del problema se decide abordar su solución mediante algoritmos metaheurísticos, específicamente un Recocido Simulado y un algoritmo Genético. Finalmente, se evalúan los resultados de los algoritmos propuestos empleando un conjunto de datos generados en el marco de este trabajo., [EN] A financial entity is any entity that aims to offer financial services to its clients. These services range from examples of everyday life such as: collecting and remunerating savings, granting loans and credits; to investment advice in different markets. In this sense, financial advisors prepare investment proposals to their clients with the aim of maximizing their benefits. To execute an investment proposal, an advisor needs a tool capable of calculating the set of operations that must be carried out in the market. In the present work, algorithms are proposed that solve the previously exposed problem. To do this, first, the problem of automatic rebalancing of financial portfolios is formally defined, taking into account the requirements of the entities. Due to the high combinatorial explosion of the problem, it was decided to approach its solution using metaheuristic algorithms, specifically a Simulated Annealing and a Genetic algorithm. Finally, the results of the proposed algorithms are evaluated using a set of data generated in the framework of this work.

Resumen: En este artículo se analiza la aplicación de la técnica de optimización de mapeo media-varianza en el problema de estimación de los parámetros del modelo de suelo de dos capas horizontales. El problema consiste en determinar los parámetros del modelo del suelo a partir de las mediciones experimentales de resistividad aparente obtenidas con el método de Wenner, minimizando el error medio cuadrático entre valores de las curvas de resistividad experimental y teórica, calculadas con expresiones matemáticas y parámetros del suelo obtenidos por la técnica de optimización de mapeo media-varianza. Se realizaron varias pruebas con medidas de resistividad que corresponden a diferentes tipos de suelos, comparando los resultados obtenidos con los reportados en la literatura técnica. En conclusión, de acuerdo a los resultados, se encontró que el desempeño de la técnica de optimización de mapeo media-varianza es superior a las otras técnicas de optimización analizadas. Abstract: This paper presents an analysis of applying the optimization of mean-variance mapping technique in the problem of estimating the parameters of the soil model of two horizontal layers. This problem consists of determining the parameters of the soil model from experimental measurements of apparent resistivity obtained with Wenner method, minimizing the mean square error between values of the experimental and theoretical resistivity curves, which are calculated with mathematical expressions and soil parameters acquired through the optimization of mean-variance mapping technique. Several tests were carried out with resistivity measurements that correspond to different soil types, the results were contrasted with those reported in the technical literature and metaheuristics implemented. In conclusion, according to the results, the performance of the optimization of mean-variance mapping technique was found to be superior than other analyzed optimization techniques.

En este artículo se hace una revisión exhaustiva del estado del arte de las metodologías de solución existentes para el problema combinado de localización y ruteo con restricciones de capacidad (CLRP). El problema de CLRP tiene una gran cantidad de aplicaciones prácticas en temas relacionados con transporte. Se ha propuesto el siguiente esquema de clasificación de acuerdo al método de solución: (1) Algoritmos Heurísticos Constructivos, (2) Algoritmos Heurísticos Basados en Clústeres, (3) Algoritmos Heurísticos Basados en Trayectoria, (4) Algoritmos Heurísticos Basados en Población, (5) Algoritmos Heurísticos Combinados, (6) Métodos Exactos. Se hace especial énfasis en fortalezas y debilidades de cada metodología publicada, identificando oportunidades de investigación y desarrollo en el área, en el contexto de la aplicación práctica de la problemática. In this paper, we review the state of the art of the published solution methods for combined problems of location and routing with capacity constraints (CLRP). The CLRP has several practical application in topics related to transportation. We have proposed the following classification scheme based on the solution method: (1) Constructive Heuristics Algorithms, (2) Heuristic Algorithms Based on Clusters, (3) Heuristic Algorithms Based on Trajectory,. (4) Heuristic Algorithms Based on Population, (5) Combined Heuristic Algorithms, (6) Exact Methods. Special emphasis is placed on the fortress and on the lack of each published method, identifying research opportunities in the context of the real application of the problem. Apresenta uma revisão exaustiva do estado da arte das metodologias de solução existentes para o problema combinado de localização e roteamento com restrições de capacidade (CLRP). O CLRP tem grande quantidade de aplicações práticas em temas relacionados com transporte. Tem-se proposto o seguinte esquema de classificação, de acordo com o método de solução: (1) Algoritmos heurísticos construtivos, (2) Algoritmos heurísticos baseados em clusters, (3) Algoritmos heurísticos baseados em trajetória, (4) Algoritmos heurísticos baseados em população, (5) Algoritmos heurísticos combinados, (6) Métodos exatos. Faz-se especial ênfase nos pontos fortes e fracos de cada metodologia publicada, identificando oportunidades de pesquisa e desenvolvimento na área, no contexto da aplicação prática da problemática.

Este artículo considera el problema de localización y ruteo con restricciones de capacidad (CLRP), en el cual la meta es determinar los depósitos a ser abiertos, los clientes a ser asignados a cada depósito abierto y las rutas a ser desarrolladas para satisfacer la demanda de los clientes. El objetivo es minimizar la suma de los costos fijos de los depósitos abiertos, el costo del uso de los vehículos, y los costos variables asociados con la distancia recorrida por las rutas. En este artículo, una búsqueda tabú granular (GTS) con diferentes estrategias de diversificación contenida en una búsqueda iterativa local (ILS) es propuesta para resolver el CLRP. Un procedimiento de perturbación es aplicado cuando la mejor solución encontrada no se puede mejorar por un número determinado de iteraciones. Experimentos computacionales sobre instancias de benchmarking tomadas de la literatura muestran que el algoritmo propuesto es capaz de obtener, con tiempos computacionales reducidos, soluciones de alta calidad mostrando su efectividad. This paper addresses the Capacitated Location-Routing Problem (CLRP) in which the aim is to determine the depots to be opened, the customers to be assigned to each open depot, and the routes to be performed to fulfill the demand of the customers. The objective is to minimize the sum of the cost of the open depots, of the used vehicle costs, and of the variable costs associated with the distance traveled by the performed routes. In this paper, a Granular Tabu Search (GTS) with different diversification strategies within a Iterated Local Search (ILS) is proposed to solve the CLRP. A shaking procedure is applied whenever the best solution found so far is not improved for a given number of iterations. Computational experiments on benchmark instances taken from the literature show that the proposed approach is able to obtain, within short computing times, high quality solutions illustrating its effectiveness.

La optimización, el escalamiento y la estimación de parámetros son problemas inversos que aparecen en muchos procesos biotecnológicos. En la solución de los problemas inversos se han utilizado diferentes técnicas, entre ellas los algoritmos metaheurísticos. Estos algoritmos buscan y encuentran de manera eficiente buenas soluciones a un determinado problema, con un costo computacional razonable. En este trabajo se aplican cuatro algoritmos metaheurísticos bien conocidos (Algoritmo Genético, Evolución Diferencial, Optimización por Colonia de Hormigas y Optimización por Enjambre de Partículas) al problema de estimar parámetros en el proceso de cromatografía líquida en columna. Se analiza la efectividad de cada método, realizando una comparación basada en diferentes criterios estadísticos. El procedimiento utilizado permite obtener valores cercanos a los parámetros reales, con un buen ajuste de las curvas generadas por el modelo a los datos experimentales. El algoritmo que obtiene mejores resultados es Evolución Diferencial. Optimization, scaling and parameter estimation are inverse problems that appear in many biotechnological processes. In the solution of inverse problems, different techniques such as metaheuristics algorithms, have been used. These algorithms efficiently search for and find good solutions to a problem with a reasonable computational cost. In this pape, four well-known metaheuristic algorithms (Genetic Algorithm, Differential Evolution, Ant Colony Optimization and Particle Swarm Optimization) are applied to the problem of parameter estimation in the liquid chromatography separation process. The effectiveness of each method is analyzed and performance comparison based on different statistical criteria is made. The procedure allows to obtain estimated values close to the real parameters, with a good fit of the curves generated by the model to syntetically generated experimental data. The algorithm that performs better is Differential Evolution.

La optimización está en todas partes, en áreas como ingeniería de diseño, ciencias de la computación o economía. Los estudios en esta área en las últimas dos décadas tienden a usar algoritmos metaheurísticos tales como Recocido Simulado, Algoritmos Genéticos y Búsqueda del Cuco, capaces de resolver difíciles problemas de optimización. En este artículo, se analiza el rendimiento de estos algoritmos en función del número de aciertos y el número de iteraciones requeridas para lograr la convergencia, sobre diferentes superficies multimodo, bajo MATLAB. Se consideran dos superficies con diferentes características respecto al número de óptimos locales y la existencia de regiones planas. Para hacer más dinámica la búsqueda se ha utilizado un sistema multiagente. La ubicación inicial de los agentes puede establecerse en zonas específicas de la superficie. En todos los casos, se puede observar que Recocido Simulado es más consistente que Algoritmos Genéticos y Búsqueda del Cuco ya que con un número suficiente de iteraciones puede llegar a encontrar el óptimo global en todas las simulaciones, independientemente de la superficie en estudio. Además, Recocido Simulado tiene la capacidad de escapar de los máximos locales sin importar la zona de inicialización de los agentes.

El particionado hardware/software es una tarea fundamental en el co-diseño de sistemas embebidos. En ella se decide, teniendo en cuenta las métricas de diseño, qué componentes se ejecutarán en un procesador de propósito general (software) y cuáles en un hardware específico. En los últimos años se han propuesto diversas soluciones al problema del particionado dirigidas por algoritmos metaheurísticos. Sin embargo, debido a la diversidad de modelos y métricas utilizadas, la elección del algoritmo más apropiado sigue siendo un problema abierto. En este trabajo se presenta una comparación de seis algoritmos metaheurísticos: Búsqueda aleatoria (Random search), Búsqueda tabú (Tabu search), Recocido simulado (Simulated annealing), Escalador de colinas estocástico (Stochastic hill climbing), Algoritmo genético (Genetic algorithm) y Estrategia evolutiva (Evolution strategy). El modelo utilizado en la comparación está dirigido a minimizar el área ocupada y el tiempo de ejecución, las restricciones del modelo son consideradas como penalizaciones para incluir en el espacio de búsqueda otras soluciones. Los resultados muestran que los algoritmos Escalador de colinas estocástico y Estrategia evolutiva son los que mejores resultados obtienen en general, seguidos por el Algoritmo genético. Hardware/software partitioning is a key task for embedded system co-design. The main goal of this task is to decide which components of an application will be executed in a general purpose processor (software) and which ones on a specific hardware. In last years, several approaches have been proposed for solving the HSP problem, directed by metaheuristics algorithms. However, due to diversity of models and metrics used, the choice of the best suited algorithm is an open problem yet. This article presents a comparison of six metaheuristics algorithms: Random Search, Tabu Search, Simulated Annealing, Hill Climbing, Genetic Algorithm and Evolution Strategy. The model presented is aimed to minimize the hardware area and execution time, restrictions are considered as penalizations in order to include in the search space other solutions. Results show that Hill climbing and Evolution strategy are the algorithms that obtains best results in general, followed by the Genetic Algorithm.

Consideramos el problema de localización y ruteo con restricciones de capacidad (CLRP), en el cual la meta es determinar los depósitos a ser abiertos, los clientes a ser asignados a cada depósito abierto, y las rutas a ser construidas para satisfacer las demandas de los clientes. El objetivo es minimizar la suma de los costos de abrir depósitos, de los costos de los vehículos usados, y de los costos variables asociados con la distancia recorrida por las rutas. En este paper, proponemos una metaheurística basada en simulado y recocido con espacio de búsqueda granular para resolver el problema CLRP. Experimentos computacionales en instancias de benchmarking tomadas de la literatura muestran que el algoritmo propuesto es capaz de obtener, dentro de tiempos computacionales razonables, soluciones de alta calidad mostrando su eficacia. The article deals with the Capacitated Location Routing Problem (CLRP) where the goal is to determine the depots to be opened, the customers to be assigned to each deposit opened, and the routes to be constructed for fulfilling customers' demands. The objective is to minimize the sum of costs resulting from opening depots, costs resulting from used vehicles, and variable costs associated to the distance across the routes. In this paper, a metaheuristic based on simulated annealing with granular search space for solving the CLRP is proposed. Computational experiments on benchmarking instances taken from literature show that the proposed algorithm is able to obtain high-quality solutions within reasonable computational times, thus showing its efficiency.