1.3 y 1.4 Ing. Procesos

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 3

1.

3 METODO HEURÍSTICO
Se basa en la utilización de reglas empíricas para llegar a una solución. El método
heurístico conocido como “IDEAL”, formulado por Bransford y Stein (1984), incluye
cinco pasos: Identificar el problema; definir y presentar el problema; explorar las
estrategias viables; avanzar en las estrategias; y lograr la solución y volver para
evaluar los efectos de las actividades (Bransford & Stein, 1984).
El matemático Polya (1957) también formuló un método heurístico para resolver
problemas que se aproxima mucho al ciclo utilizado para programar
computadores. 

Según Polya (1957), cuando se resuelven problemas, intervienen cuatro


operaciones mentales:

1. Entender el problema

2. Trazar un plan

3. Ejecutar el plan (resolver)

4. Revisar

Numerosos autores de textos escolares de matemáticas hacen referencia a estas


cuatro etapas planteadas por Polya. Sin embargo, es importante notar que estas
son flexibles y no una simple lista de pasos como a menudo se plantea en muchos
de esos textos (Wilson, Fernández & Hadaway, 1993). Cuando estas etapas se
siguen como un modelo lineal, resulta contraproducente para cualquier actividad
encaminada a resolver problemas. Es necesario hacer énfasis en la naturaleza
dinámica y cíclica de la solución de problemas.
COMPRENDER EL PROBLEMA.

 Leer el problema varias veces


 Establecer los datos del problema
 Aclarar lo que se va a resolver (¿Cuál es la pregunta?)
 Precisar el resultado que se desea lograr
 Determinar la incógnita del problema
 Organizar la información
 Agrupar los datos en categorías
 Trazar una figura o diagrama.

HACER EL PLAN.

 Escoger y decidir las operaciones a efectuar.


 Eliminar los datos inútiles.
 Descomponer el problema en otros más pequeños.

EJECUTAR EL PLAN (Resolver).

 Ejecutar en detalle cada operación.


 Simplificar antes de calcular.
 Realizar un dibujo o diagrama.

ANALIZAR LA SOLUCIÓN (Revisar).

 Dar una respuesta completa


 Hallar el mismo resultado de otra manera.
 Verificar por apreciación que la respuesta es adecuada.
1.4 METODO EVOLUTIVO

La existencia de una gran cantidad y variedad de problemas difíciles, que


aparecen en la práctica y que necesitan ser resueltos de forma eficiente, ha
impulsado el desarrollo de procedimientos eficientes para encontrar buenas
soluciones. Estos métodos, en los que la rapidez del proceso es tan importante
como la calidad de la solución obtenida, se denominan heurísticos o aproximados.
Los procedimientos metaheurísticos constituyen la nueva generación de método
aproximados, y dan unas reglas o estrategias que guían la construcción o el
diseño del algoritmo heurístico concreto que resolverá el problema dado.

Aun así, estas reglas no son rígidas y tienen muchos grados de libertad,
permitiendo, por un lado, el diseño de diferentes métodos basados en la misma
metodología, pero, dejando por otro lado al investigador la libertad para tomar
decisiones e iniciativas al diseñar el método. Una de las familias de métodos que
podemos encontrar dentro de los procedimientos metaheurísticos es la de los
llamados algoritmos evolutivos.

Los métodos evolutivos están basados en poblaciones de soluciones. A diferencia


de los métodos clásicos de mejora basados en seguimiento de trayectorias, en
cada iteración del algoritmo no se tiene una única solución sino un conjunto de
éstas (véase Blue y Roli 2003). Estos métodos se basan en generar, seleccionar,
combinar y reemplazar un conjunto de soluciones.

Dado que mantienen y manipulan un conjunto en lugar de una única solución a lo


largo de todo el proceso de búsqueda suelen presentar tiempos de computación
sensiblemente más altos que los de otros metaheurísticos. Este hecho se puede
ver agravado porque la “convergencia” de la población requiera de un gran
número de iteraciones. Por ello se ha dedicado un gran esfuerzo a obtener
métodos que sean más agresivos y logren obtener soluciones de calidad en un
horizonte más cercano.

También podría gustarte