Modelos hiperheurísticos basados en razonamiento con procesameinto paralelo y dominio en metaheurísticas X-PSO Y AFS multiobjetivo

Abstract

En este trabajo se presenta el desarrollo e implementación de una HiperHeurística Basada en Razonamiento, con dominio en MetaHeurísticas variantes de la Optimización Por Enjambre de Partículas, X-FPSO, y Cardumen de Peces Artificiales, FAFS, MultiObjetivo. Como aporte respecto de otras publicaciones en la línea de investigación que los autores han desarrollado, se obtiene un importante avance: la paralelización del algoritmo, reemplazando su modelo secuencial primigenio, empleando la plataforma denominada Interfaz de Paso de Mensajes, MPI, (Message Passing Interface). Son propuestas dos estrategias para la implementación del Modelo, sustentadas en la habilidad que las X-Formas del conjunto X-(FPSO-FAFS) exhiben para satisfacer, en cierta instancia de decisión, los cinco Principios de la Inteligencia de Grupo (PIG). La primera, determina el número óptimo de núcleos MPI, y asigna, a cada uno, una subpoblación de la población total, con la misma cantidad invariante de individuos. La Función de Selección, FS, opera identificando la X-Forma más apta. La segunda, asigna un núcleo y la mejor X-Forma conforme cada PIG,modificando, mediante la FS, el tamaño de las subpoblaciones. Se presenta una aplicación de ambas estrategias, en el Problema de Balance de Fases en un Sistema de Distribución Eléctrica de Baja Tensión, comparando los resultados obtenidos.

In this work the development and implementation of a Case Based Reasoning HyperHeuristic with a domain supported on variants of MultiObjective Particle Swarm Optimization MetaHeuristic, called X-FPSO, and Artificial Fish School (FAFS), is presented. As contribution in the same line of research that the authors had developed, parallel processing, instead of primary sequential processing model, is introduced and implemented. The parallel computing use the Message Passing Interface System, MPI. Two different strategies in the HyperHuristic Model are proposed, both of them supported on the ability of X- (FPSO+FAFS) Forms to satisfy the five Swarm Intelligence Principles (SIP) at certain instance of decision: The first, and simplest, determine the optimal number of cores MPI, and assign to each core a subpopulation from whole population, which particles number is invariant and the same for all cores. The Selection Function (SF) choose the MetaHeuristic of maximum fitness from X-(FPSO+FAFS) set. The second strategy, and most complex, assign a core and the X-Form of best performance to each SIP, changing the subpopulation assigned to each core, at certain decision instance. An application of both strategies to the Problem of Phase Balancing in a Low Voltage Electric Distribution System, to compare the results obtained, is presented.