<?xml version="1.0" encoding="UTF-8" ?>
<oai_dc:dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
<dc:title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</dc:title>
<dc:creator>González-Martin, Sergio</dc:creator>
<dc:contributor>Juan Pérez, Ángel Alejandro</dc:contributor>
<dc:contributor>Riera Terrén, Daniel</dc:contributor>
<dc:contributor>Universitat Oberta de Catalunya. Internet Interdisciplinary Institut (IN3)</dc:contributor>
<dc:subject>heurístiques aleatòries i esbiaixades</dc:subject>
<dc:subject>optimització</dc:subject>
<dc:subject>aplicacions reals</dc:subject>
<dc:subject>metaheurístiques</dc:subject>
<dc:subject>simulació</dc:subject>
<dc:subject>Heurísticas Aleatorias y Sesgada</dc:subject>
<dc:subject>Optimización</dc:subject>
<dc:subject>Aplicaciones Reales</dc:subject>
<dc:subject>Metaheurísticas</dc:subject>
<dc:subject>Simulación</dc:subject>
<dc:subject>Biased Randomized Heuristics</dc:subject>
<dc:subject>Optimization</dc:subject>
<dc:subject>Real applications</dc:subject>
<dc:subject>Metaheuristics</dc:subject>
<dc:subject>Ciència de la Computació i Inteligència Artificial</dc:subject>
<dc:subject>004</dc:subject>
<dc:subject>519.1</dc:subject>
<dc:description>La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</dc:description>
<dc:description>La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</dc:description>
<dc:description>Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</dc:description>
<dc:date>2015-03-13</dc:date>
<dc:type>info:eu-repo/semantics/doctoralThesis</dc:type>
<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
<dc:identifier>B 27249-2014</dc:identifier>
<dc:identifier>http://hdl.handle.net/10803/306605</dc:identifier>
<dc:language>eng</dc:language>
<dc:rights>L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/</dc:rights>
<dc:rights>info:eu-repo/semantics/openAccess</dc:rights>
<dc:format>application/pdf</dc:format>
<dc:format>133 p.</dc:format>
<dc:publisher>Universitat Oberta de Catalunya</dc:publisher>
<dc:source>TDX (Tesis Doctorals en Xarxa)</dc:source>
</oai_dc:dc>
<?xml version="1.0" encoding="UTF-8" ?>
<d:DIDL schemaLocation="urn:mpeg:mpeg21:2002:02-DIDL-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/did/didl.xsd">
<d:DIDLInfo>
<dcterms:created schemaLocation="http://purl.org/dc/terms/ http://dublincore.org/schemas/xmls/qdc/dcterms.xsd">2015-09-04T11:51:38Z</dcterms:created>
</d:DIDLInfo>
<d:Item id="hdl_10803_306605">
<d:Descriptor>
<d:Statement mimeType="application/xml; charset=utf-8">
<dii:Identifier schemaLocation="urn:mpeg:mpeg21:2002:01-DII-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/dii/dii.xsd">urn:hdl:10803/306605</dii:Identifier>
</d:Statement>
</d:Descriptor>
<d:Descriptor>
<d:Statement mimeType="application/xml; charset=utf-8">
<oai_dc:dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
<dc:title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</dc:title>
<dc:creator>González-Martin, Sergio</dc:creator>
<dc:contributor>sgonzalezmarti@uoc.edu</dc:contributor>
<dc:contributor>true</dc:contributor>
<dc:contributor>Juan Pérez, Ángel Alejandro</dc:contributor>
<dc:contributor>Riera Terrén, Daniel</dc:contributor>
<dc:contributor>true</dc:contributor>
<dc:subject>heurístiques aleatòries i esbiaixades</dc:subject>
<dc:subject>optimització</dc:subject>
<dc:subject>aplicacions reals</dc:subject>
<dc:subject>metaheurístiques</dc:subject>
<dc:subject>simulació</dc:subject>
<dc:subject>Heurísticas Aleatorias y Sesgada</dc:subject>
<dc:subject>Optimización</dc:subject>
<dc:subject>Aplicaciones Reales</dc:subject>
<dc:subject>Metaheurísticas</dc:subject>
<dc:subject>Simulación</dc:subject>
<dc:subject>Biased Randomized Heuristics</dc:subject>
<dc:subject>Optimization</dc:subject>
<dc:subject>Real applications</dc:subject>
<dc:subject>Metaheuristics</dc:subject>
<dc:description>La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</dc:description>
<dc:description>La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</dc:description>
<dc:description>Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</dc:description>
<dc:date>2015-09-04T11:51:38Z</dc:date>
<dc:date>2015-09-04T11:51:38Z</dc:date>
<dc:date>2015-03-13</dc:date>
<dc:type>info:eu-repo/semantics/doctoralThesis</dc:type>
<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
<dc:identifier>http://hdl.handle.net/10803/306605</dc:identifier>
<dc:language>eng</dc:language>
<dc:rights>L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/</dc:rights>
<dc:rights>info:eu-repo/semantics/openAccess</dc:rights>
<dc:publisher>Universitat Oberta de Catalunya</dc:publisher>
<dc:source>TDX (Tesis Doctorals en Xarxa)</dc:source>
</oai_dc:dc>
</d:Statement>
</d:Descriptor>
<d:Component id="10803_306605_1">
</d:Component>
</d:Item>
</d:DIDL>
<?xml version="1.0" encoding="UTF-8" ?>
<dim:dim schemaLocation="http://www.dspace.org/xmlns/dspace/dim http://www.dspace.org/schema/dim.xsd">
<dim:field element="contributor" mdschema="dc">Universitat Oberta de Catalunya. Internet Interdisciplinary Institut (IN3)</dim:field>
<dim:field element="contributor" mdschema="dc" qualifier="author">González-Martin, Sergio</dim:field>
<dim:field element="contributor" mdschema="dc" qualifier="authoremail">sgonzalezmarti@uoc.edu</dim:field>
<dim:field element="contributor" mdschema="dc" qualifier="authoremailshow">true</dim:field>
<dim:field element="contributor" mdschema="dc" qualifier="director">Juan Pérez, Ángel Alejandro</dim:field>
<dim:field element="contributor" mdschema="dc" qualifier="director">Riera Terrén, Daniel</dim:field>
<dim:field element="contributor" mdschema="dc" qualifier="authorsendemail">true</dim:field>
<dim:field element="date" mdschema="dc" qualifier="accessioned">2015-09-04T11:51:38Z</dim:field>
<dim:field element="date" mdschema="dc" qualifier="available">2015-09-04T11:51:38Z</dim:field>
<dim:field element="date" mdschema="dc" qualifier="issued">2015-03-13</dim:field>
<dim:field element="identifier" mdschema="dc">B 27249-2014</dim:field>
<dim:field element="identifier" mdschema="dc" qualifier="uri">http://hdl.handle.net/10803/306605</dim:field>
<dim:field element="description" lang="cat" mdschema="dc" qualifier="abstract">La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</dim:field>
<dim:field element="description" lang="spa" mdschema="dc" qualifier="abstract">La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</dim:field>
<dim:field element="description" lang="eng" mdschema="dc" qualifier="abstract">Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</dim:field>
<dim:field element="format" mdschema="dc" qualifier="extent">133 p.</dim:field>
<dim:field element="format" mdschema="dc" qualifier="mimetype">application/pdf</dim:field>
<dim:field element="language" mdschema="dc" qualifier="iso">eng</dim:field>
<dim:field element="publisher" mdschema="dc">Universitat Oberta de Catalunya</dim:field>
<dim:field element="rights" mdschema="dc" qualifier="license">L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/</dim:field>
<dim:field element="rights" mdschema="dc" qualifier="accessLevel">info:eu-repo/semantics/openAccess</dim:field>
<dim:field element="source" mdschema="dc">TDX (Tesis Doctorals en Xarxa)</dim:field>
<dim:field element="subject" mdschema="dc">heurístiques aleatòries i esbiaixades</dim:field>
<dim:field element="subject" mdschema="dc">optimització</dim:field>
<dim:field element="subject" mdschema="dc">aplicacions reals</dim:field>
<dim:field element="subject" mdschema="dc">metaheurístiques</dim:field>
<dim:field element="subject" mdschema="dc">simulació</dim:field>
<dim:field element="subject" mdschema="dc">Heurísticas Aleatorias y Sesgada</dim:field>
<dim:field element="subject" mdschema="dc">Optimización</dim:field>
<dim:field element="subject" mdschema="dc">Aplicaciones Reales</dim:field>
<dim:field element="subject" mdschema="dc">Metaheurísticas</dim:field>
<dim:field element="subject" mdschema="dc">Simulación</dim:field>
<dim:field element="subject" mdschema="dc">Biased Randomized Heuristics</dim:field>
<dim:field element="subject" mdschema="dc">Optimization</dim:field>
<dim:field element="subject" mdschema="dc">Real applications</dim:field>
<dim:field element="subject" mdschema="dc">Metaheuristics</dim:field>
<dim:field element="subject" mdschema="dc" qualifier="other">Ciència de la Computació i Inteligència Artificial</dim:field>
<dim:field element="subject" lang="cat" mdschema="dc" qualifier="udc">004</dim:field>
<dim:field element="subject" lang="cat" mdschema="dc" qualifier="udc">519.1</dim:field>
<dim:field element="title" mdschema="dc">Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</dim:field>
<dim:field element="type" mdschema="dc">info:eu-repo/semantics/doctoralThesis</dim:field>
<dim:field element="type" mdschema="dc">info:eu-repo/semantics/publishedVersion</dim:field>
<dim:field element="embargo" mdschema="dc" qualifier="terms">cap</dim:field>
</dim:dim>
<?xml version="1.0" encoding="UTF-8" ?>
<thesis schemaLocation="http://www.ndltd.org/standards/metadata/etdms/1.0/ http://www.ndltd.org/standards/metadata/etdms/1.0/etdms.xsd">
<title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</title>
<creator>González-Martin, Sergio</creator>
<contributor>sgonzalezmarti@uoc.edu</contributor>
<contributor>true</contributor>
<contributor>Juan Pérez, Ángel Alejandro</contributor>
<contributor>Riera Terrén, Daniel</contributor>
<contributor>true</contributor>
<subject>heurístiques aleatòries i esbiaixades</subject>
<subject>optimització</subject>
<subject>aplicacions reals</subject>
<subject>metaheurístiques</subject>
<subject>simulació</subject>
<subject>Heurísticas Aleatorias y Sesgada</subject>
<subject>Optimización</subject>
<subject>Aplicaciones Reales</subject>
<subject>Metaheurísticas</subject>
<subject>Simulación</subject>
<subject>Biased Randomized Heuristics</subject>
<subject>Optimization</subject>
<subject>Real applications</subject>
<subject>Metaheuristics</subject>
<description>La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</description>
<description>La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</description>
<description>Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</description>
<date>2015-09-04</date>
<date>2015-09-04</date>
<date>2015-03-13</date>
<type>info:eu-repo/semantics/doctoralThesis</type>
<type>info:eu-repo/semantics/publishedVersion</type>
<identifier>http://hdl.handle.net/10803/306605</identifier>
<language>eng</language>
<rights>L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/</rights>
<rights>info:eu-repo/semantics/openAccess</rights>
<publisher>Universitat Oberta de Catalunya</publisher>
<source>TDX (Tesis Doctorals en Xarxa)</source>
</thesis>
<?xml version="1.0" encoding="UTF-8" ?>
<record schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
<leader>00925njm 22002777a 4500</leader>
<datafield ind1=" " ind2=" " tag="042">
<subfield code="a">dc</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="720">
<subfield code="a">González-Martin, Sergio</subfield>
<subfield code="e">author</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="260">
<subfield code="c">2015-03-13</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="520">
<subfield code="a">La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="520">
<subfield code="a">La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="520">
<subfield code="a">Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</subfield>
</datafield>
<datafield ind1="8" ind2=" " tag="024">
<subfield code="a">http://hdl.handle.net/10803/306605</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">heurístiques aleatòries i esbiaixades</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">optimització</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">aplicacions reals</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">metaheurístiques</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">simulació</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Heurísticas Aleatorias y Sesgada</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Optimización</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Aplicaciones Reales</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Metaheurísticas</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Simulación</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Biased Randomized Heuristics</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Optimization</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Real applications</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Metaheuristics</subfield>
</datafield>
<datafield ind1="0" ind2="0" tag="245">
<subfield code="a">Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</subfield>
</datafield>
</record>
<?xml version="1.0" encoding="UTF-8" ?>
<record schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
<leader>nam a 5i 4500</leader>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">heurístiques aleatòries i esbiaixades</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">optimització</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">aplicacions reals</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">metaheurístiques</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">simulació</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Heurísticas Aleatorias y Sesgada</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Optimización</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Aplicaciones Reales</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Metaheurísticas</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Simulación</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Biased Randomized Heuristics</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Optimization</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Real applications</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="653">
<subfield code="a">Metaheuristics</subfield>
</datafield>
<datafield ind1="1" ind2="0" tag="245">
<subfield code="a">Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</subfield>
</datafield>
<datafield ind1=" " ind2="1" tag="264">
<subfield code="a">[Barcelona] :</subfield>
<subfield code="b">Universitat Oberta de Catalunya,</subfield>
<subfield code="c">[2014]</subfield>
</datafield>
<datafield ind1="4" ind2="0" tag="856">
<subfield code="z">Accés lliure</subfield>
<subfield code="u">http://hdl.handle.net/10803/306605</subfield>
</datafield>
<controlfield tag="007">cr |||||||||||</controlfield>
<controlfield tag="008">AAMMDDs2014 sp ||||fsm||||0|| 0 eng|c</controlfield>
<datafield ind1="1" ind2=" " tag="100">
<subfield code="a">González-Martin, Sergio,</subfield>
<subfield code="e">autor</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="300">
<subfield code="a">1 recurs en línia (133 pàgines)</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="502">
<subfield code="g">Tesi</subfield>
<subfield code="b">Doctorat</subfield>
<subfield code="c">Universitat Oberta de Catalunya. Internet Interdisciplinary Institut (IN3)</subfield>
<subfield code="d">2015</subfield>
</datafield>
<datafield ind1="2" ind2=" " tag="710">
<subfield code="a">Universitat Oberta de Catalunya. Internet Interdisciplinary Institut (IN3)</subfield>
</datafield>
<datafield ind1=" " ind2="4" tag="655">
<subfield code="a">Tesis i dissertacions electròniques</subfield>
</datafield>
<datafield ind1="1" ind2=" " tag="700">
<subfield code="a">Juan Pérez, Ángel Alejandro,</subfield>
<subfield code="e">supervisor acadèmic</subfield>
</datafield>
<datafield ind1="1" ind2=" " tag="700">
<subfield code="a">Riera Terrén, Daniel,</subfield>
<subfield code="e">supervisor acadèmic</subfield>
</datafield>
<datafield ind1="0" ind2=" " tag="730">
<subfield code="a">TDX</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="017">
<subfield code="a">DL B 27249-2014</subfield>
<subfield code="b">Biblioteca de Catalunya</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="520">
<subfield code="a">La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="998">
<subfield code="a">o</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="040">
<subfield code="a">ES-BaCBU</subfield>
<subfield code="b">cat</subfield>
<subfield code="e">rda</subfield>
<subfield code="c">ES-BaCBU</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="336">
<subfield code="a">text</subfield>
<subfield code="b">txt</subfield>
<subfield code="2">rdacontent</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="337">
<subfield code="a">informàtic</subfield>
<subfield code="b">c</subfield>
<subfield code="2">rdamedia</subfield>
</datafield>
<datafield ind1=" " ind2=" " tag="338">
<subfield code="a">recurs en línia</subfield>
<subfield code="b">cr</subfield>
<subfield code="2">rdacarrier</subfield>
</datafield>
</record>
<?xml version="1.0" encoding="UTF-8" ?>
<mets ID=" DSpace_ITEM_10803-306605" OBJID=" hdl:10803/306605" PROFILE="DSpace METS SIP Profile 1.0" TYPE="DSpace ITEM" schemaLocation="http://www.loc.gov/METS/ http://www.loc.gov/standards/mets/mets.xsd">
<metsHdr CREATEDATE="2021-10-30T07:15:47Z">
<agent ROLE="CUSTODIAN" TYPE="ORGANIZATION">
<name>TDX</name>
</agent>
</metsHdr>
<dmdSec ID="DMD_10803_306605">
<mdWrap MDTYPE="MODS">
<xmlData schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-1.xsd">
<mods:mods schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-1.xsd">
<mods:name>
<mods:role>
<mods:roleTerm type="text">author</mods:roleTerm>
</mods:role>
<mods:namePart>González-Martin, Sergio</mods:namePart>
</mods:name>
<mods:name>
<mods:role>
<mods:roleTerm type="text">authoremail</mods:roleTerm>
</mods:role>
<mods:namePart>sgonzalezmarti@uoc.edu</mods:namePart>
</mods:name>
<mods:name>
<mods:role>
<mods:roleTerm type="text">authoremailshow</mods:roleTerm>
</mods:role>
<mods:namePart>true</mods:namePart>
</mods:name>
<mods:name>
<mods:role>
<mods:roleTerm type="text">director</mods:roleTerm>
</mods:role>
<mods:namePart>Juan Pérez, Ángel Alejandro</mods:namePart>
</mods:name>
<mods:name>
<mods:role>
<mods:roleTerm type="text">director</mods:roleTerm>
</mods:role>
<mods:namePart>Riera Terrén, Daniel</mods:namePart>
</mods:name>
<mods:name>
<mods:role>
<mods:roleTerm type="text">authorsendemail</mods:roleTerm>
</mods:role>
<mods:namePart>true</mods:namePart>
</mods:name>
<mods:extension>
<mods:dateAccessioned encoding="iso8601">2015-09-04T11:51:38Z</mods:dateAccessioned>
</mods:extension>
<mods:extension>
<mods:dateAvailable encoding="iso8601">2015-09-04T11:51:38Z</mods:dateAvailable>
</mods:extension>
<mods:originInfo>
<mods:dateIssued encoding="iso8601">2015-03-13</mods:dateIssued>
</mods:originInfo>
<mods:identifier type="uri">http://hdl.handle.net/10803/306605</mods:identifier>
<mods:abstract>La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</mods:abstract>
<mods:abstract>La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</mods:abstract>
<mods:abstract>Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</mods:abstract>
<mods:language>
<mods:languageTerm authority="rfc3066">eng</mods:languageTerm>
</mods:language>
<mods:subject>
<mods:topic>heurístiques aleatòries i esbiaixades</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>optimització</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>aplicacions reals</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>metaheurístiques</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>simulació</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Heurísticas Aleatorias y Sesgada</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Optimización</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Aplicaciones Reales</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Metaheurísticas</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Simulación</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Biased Randomized Heuristics</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Optimization</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Real applications</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Metaheuristics</mods:topic>
</mods:subject>
<mods:titleInfo>
<mods:title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</mods:title>
</mods:titleInfo>
<mods:genre>info:eu-repo/semantics/doctoralThesis</mods:genre>
</mods:mods>
</xmlData>
</mdWrap>
</dmdSec>
<amdSec ID="FO_10803_306605_1">
<techMD ID="TECH_O_10803_306605_1">
<mdWrap MDTYPE="PREMIS">
<xmlData schemaLocation="http://www.loc.gov/standards/premis http://www.loc.gov/standards/premis/PREMIS-v1-0.xsd">
<premis:premis>
<premis:object>
<premis:objectIdentifier>
<premis:objectIdentifierType>URL</premis:objectIdentifierType>
<premis:objectIdentifierValue>http://www.tdx.cat/bitstream/10803/306605/1/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf</premis:objectIdentifierValue>
</premis:objectIdentifier>
<premis:objectCategory>File</premis:objectCategory>
<premis:objectCharacteristics>
<premis:fixity>
<premis:messageDigestAlgorithm>MD5</premis:messageDigestAlgorithm>
<premis:messageDigest>3b760e41ba1946f7e8b10b4a5b3e713d</premis:messageDigest>
</premis:fixity>
<premis:size>2885528</premis:size>
<premis:format>
<premis:formatDesignation>
<premis:formatName>application/pdf</premis:formatName>
</premis:formatDesignation>
</premis:format>
</premis:objectCharacteristics>
<premis:originalName>PhD Thesis Sergio Gonzalez Martin - Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems.pdf</premis:originalName>
</premis:object>
</premis:premis>
</xmlData>
</mdWrap>
</techMD>
</amdSec>
<amdSec ID="FT_10803_306605_5">
<techMD ID="TECH_T_10803_306605_5">
<mdWrap MDTYPE="PREMIS">
<xmlData schemaLocation="http://www.loc.gov/standards/premis http://www.loc.gov/standards/premis/PREMIS-v1-0.xsd">
<premis:premis>
<premis:object>
<premis:objectIdentifier>
<premis:objectIdentifierType>URL</premis:objectIdentifierType>
<premis:objectIdentifierValue>http://www.tdx.cat/bitstream/10803/306605/5/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf.txt</premis:objectIdentifierValue>
</premis:objectIdentifier>
<premis:objectCategory>File</premis:objectCategory>
<premis:objectCharacteristics>
<premis:fixity>
<premis:messageDigestAlgorithm>MD5</premis:messageDigestAlgorithm>
<premis:messageDigest>7c69ee2732ee78af4f0bd35033fb5663</premis:messageDigest>
</premis:fixity>
<premis:size>300081</premis:size>
<premis:format>
<premis:formatDesignation>
<premis:formatName>text/plain</premis:formatName>
</premis:formatDesignation>
</premis:format>
</premis:objectCharacteristics>
<premis:originalName>PhD Thesis Sergio Gonzalez Martin - Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems.pdf.txt</premis:originalName>
</premis:object>
</premis:premis>
</xmlData>
</mdWrap>
</techMD>
</amdSec>
<fileSec>
<fileGrp USE="ORIGINAL">
<file ADMID="FO_10803_306605_1" CHECKSUM="3b760e41ba1946f7e8b10b4a5b3e713d" CHECKSUMTYPE="MD5" GROUPID="GROUP_BITSTREAM_10803_306605_1" ID="BITSTREAM_ORIGINAL_10803_306605_1" MIMETYPE="application/pdf" SEQ="1" SIZE="2885528">
</file>
</fileGrp>
<fileGrp USE="TEXT">
<file ADMID="FT_10803_306605_5" CHECKSUM="7c69ee2732ee78af4f0bd35033fb5663" CHECKSUMTYPE="MD5" GROUPID="GROUP_BITSTREAM_10803_306605_5" ID="BITSTREAM_TEXT_10803_306605_5" MIMETYPE="text/plain" SEQ="5" SIZE="300081">
</file>
</fileGrp>
</fileSec>
<structMap LABEL="DSpace Object" TYPE="LOGICAL">
<div ADMID="DMD_10803_306605" TYPE="DSpace Object Contents">
<div TYPE="DSpace BITSTREAM">
</div>
</div>
</structMap>
</mets>
<?xml version="1.0" encoding="UTF-8" ?>
<mods:mods schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-1.xsd">
<mods:name>
<mods:namePart>González-Martin, Sergio</mods:namePart>
</mods:name>
<mods:extension>
<mods:dateAvailable encoding="iso8601">2015-09-04T11:51:38Z</mods:dateAvailable>
</mods:extension>
<mods:extension>
<mods:dateAccessioned encoding="iso8601">2015-09-04T11:51:38Z</mods:dateAccessioned>
</mods:extension>
<mods:originInfo>
<mods:dateIssued encoding="iso8601">2015-03-13</mods:dateIssued>
</mods:originInfo>
<mods:identifier type="uri">http://hdl.handle.net/10803/306605</mods:identifier>
<mods:abstract>La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</mods:abstract>
<mods:abstract>La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</mods:abstract>
<mods:abstract>Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</mods:abstract>
<mods:language>
<mods:languageTerm>eng</mods:languageTerm>
</mods:language>
<mods:accessCondition type="useAndReproduction">L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/</mods:accessCondition>
<mods:accessCondition type="useAndReproduction">info:eu-repo/semantics/openAccess</mods:accessCondition>
<mods:subject>
<mods:topic>heurístiques aleatòries i esbiaixades</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>optimització</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>aplicacions reals</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>metaheurístiques</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>simulació</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Heurísticas Aleatorias y Sesgada</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Optimización</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Aplicaciones Reales</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Metaheurísticas</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Simulación</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Biased Randomized Heuristics</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Optimization</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Real applications</mods:topic>
</mods:subject>
<mods:subject>
<mods:topic>Metaheuristics</mods:topic>
</mods:subject>
<mods:titleInfo>
<mods:title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</mods:title>
</mods:titleInfo>
<mods:genre>info:eu-repo/semantics/doctoralThesis</mods:genre>
<mods:genre>info:eu-repo/semantics/publishedVersion</mods:genre>
</mods:mods>
<?xml version="1.0" encoding="UTF-8" ?>
<atom:entry schemaLocation="http://www.w3.org/2005/Atom http://www.kbcafe.com/rss/atom.xsd.xml">
<atom:id>http://hdl.handle.net/10803/306605/ore.xml</atom:id>
<atom:published>2015-09-04T11:51:38Z</atom:published>
<atom:updated>2015-09-04T11:51:38Z</atom:updated>
<atom:source>
<atom:generator>TDX</atom:generator>
</atom:source>
<atom:title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</atom:title>
<atom:author>
<atom:name>González-Martin, Sergio</atom:name>
</atom:author>
<oreatom:triples>
<rdf:Description about="http://hdl.handle.net/10803/306605/ore.xml#atom">
<dcterms:modified>2015-09-04T11:51:38Z</dcterms:modified>
</rdf:Description>
<rdf:Description about="http://www.tdx.cat/bitstream/10803/306605/6/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf.xml">
<dcterms:description>MEDIA_DOCUMENT</dcterms:description>
</rdf:Description>
<rdf:Description about="http://www.tdx.cat/bitstream/10803/306605/5/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf.txt">
<dcterms:description>TEXT</dcterms:description>
</rdf:Description>
<rdf:Description about="http://www.tdx.cat/bitstream/10803/306605/1/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf">
<dcterms:description>ORIGINAL</dcterms:description>
</rdf:Description>
<rdf:Description about="http://www.tdx.cat/bitstream/10803/306605/2/license_url">
<dcterms:description>CC-LICENSE</dcterms:description>
</rdf:Description>
<rdf:Description about="http://www.tdx.cat/bitstream/10803/306605/3/license_text">
<dcterms:description>CC-LICENSE</dcterms:description>
</rdf:Description>
<rdf:Description about="http://www.tdx.cat/bitstream/10803/306605/4/license_rdf">
<dcterms:description>CC-LICENSE</dcterms:description>
</rdf:Description>
</oreatom:triples>
</atom:entry>
<?xml version="1.0" encoding="UTF-8" ?>
<qdc:qualifieddc schemaLocation="http://purl.org/dc/elements/1.1/ http://dublincore.org/schemas/xmls/qdc/2006/01/06/dc.xsd http://purl.org/dc/terms/ http://dublincore.org/schemas/xmls/qdc/2006/01/06/dcterms.xsd http://dspace.org/qualifieddc/ http://www.ukoln.ac.uk/metadata/dcmi/xmlschema/qualifieddc.xsd">
<dc:title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</dc:title>
<dc:creator>González-Martin, Sergio</dc:creator>
<dc:contributor>sgonzalezmarti@uoc.edu</dc:contributor>
<dc:contributor>true</dc:contributor>
<dc:contributor>Juan Pérez, Ángel Alejandro</dc:contributor>
<dc:contributor>Riera Terrén, Daniel</dc:contributor>
<dc:contributor>true</dc:contributor>
<dc:subject>heurístiques aleatòries i esbiaixades</dc:subject>
<dc:subject>optimització</dc:subject>
<dc:subject>aplicacions reals</dc:subject>
<dc:subject>metaheurístiques</dc:subject>
<dc:subject>simulació</dc:subject>
<dc:subject>Heurísticas Aleatorias y Sesgada</dc:subject>
<dc:subject>Optimización</dc:subject>
<dc:subject>Aplicaciones Reales</dc:subject>
<dc:subject>Metaheurísticas</dc:subject>
<dc:subject>Simulación</dc:subject>
<dc:subject>Biased Randomized Heuristics</dc:subject>
<dc:subject>Optimization</dc:subject>
<dc:subject>Real applications</dc:subject>
<dc:subject>Metaheuristics</dc:subject>
<dcterms:abstract>La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</dcterms:abstract>
<dcterms:abstract>La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</dcterms:abstract>
<dcterms:abstract>Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</dcterms:abstract>
<dcterms:dateAccepted>2015-09-04T11:51:38Z</dcterms:dateAccepted>
<dcterms:available>2015-09-04T11:51:38Z</dcterms:available>
<dcterms:created>2015-09-04T11:51:38Z</dcterms:created>
<dcterms:issued>2015-03-13</dcterms:issued>
<dc:type>info:eu-repo/semantics/doctoralThesis</dc:type>
<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
<dc:identifier>http://hdl.handle.net/10803/306605</dc:identifier>
<dc:language>eng</dc:language>
<dc:rights>L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/</dc:rights>
<dc:rights>info:eu-repo/semantics/openAccess</dc:rights>
<dc:publisher>Universitat Oberta de Catalunya</dc:publisher>
<dc:source>TDX (Tesis Doctorals en Xarxa)</dc:source>
</qdc:qualifieddc>
<?xml version="1.0" encoding="UTF-8" ?>
<rdf:RDF schemaLocation="http://www.openarchives.org/OAI/2.0/rdf/ http://www.openarchives.org/OAI/2.0/rdf.xsd">
<ow:Publication about="oai:www.tdx.cat:10803/306605">
<dc:title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</dc:title>
<dc:creator>González-Martin, Sergio</dc:creator>
<dc:contributor>sgonzalezmarti@uoc.edu</dc:contributor>
<dc:contributor>true</dc:contributor>
<dc:contributor>Juan Pérez, Ángel Alejandro</dc:contributor>
<dc:contributor>Riera Terrén, Daniel</dc:contributor>
<dc:contributor>true</dc:contributor>
<dc:subject>heurístiques aleatòries i esbiaixades</dc:subject>
<dc:subject>optimització</dc:subject>
<dc:subject>aplicacions reals</dc:subject>
<dc:subject>metaheurístiques</dc:subject>
<dc:subject>simulació</dc:subject>
<dc:subject>Heurísticas Aleatorias y Sesgada</dc:subject>
<dc:subject>Optimización</dc:subject>
<dc:subject>Aplicaciones Reales</dc:subject>
<dc:subject>Metaheurísticas</dc:subject>
<dc:subject>Simulación</dc:subject>
<dc:subject>Biased Randomized Heuristics</dc:subject>
<dc:subject>Optimization</dc:subject>
<dc:subject>Real applications</dc:subject>
<dc:subject>Metaheuristics</dc:subject>
<dc:description>La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</dc:description>
<dc:description>La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</dc:description>
<dc:description>Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</dc:description>
<dc:date>2015-09-04T11:51:38Z</dc:date>
<dc:date>2015-09-04T11:51:38Z</dc:date>
<dc:date>2015-03-13</dc:date>
<dc:type>info:eu-repo/semantics/doctoralThesis</dc:type>
<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
<dc:identifier>http://hdl.handle.net/10803/306605</dc:identifier>
<dc:language>eng</dc:language>
<dc:rights>L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/</dc:rights>
<dc:rights>info:eu-repo/semantics/openAccess</dc:rights>
<dc:publisher>Universitat Oberta de Catalunya</dc:publisher>
<dc:source>TDX (Tesis Doctorals en Xarxa)</dc:source>
</ow:Publication>
</rdf:RDF>
<?xml version="1.0" encoding="UTF-8" ?>
<uketd_dc:uketddc schemaLocation="http://naca.central.cranfield.ac.uk/ethos-oai/2.0/ http://naca.central.cranfield.ac.uk/ethos-oai/2.0/uketd_dc.xsd">
<dc:title>Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</dc:title>
<dc:creator>González-Martin, Sergio</dc:creator>
<dcterms:abstract>La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</dcterms:abstract>
<dcterms:abstract>La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</dcterms:abstract>
<dcterms:abstract>Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</dcterms:abstract>
<uketdterms:institution>Universitat Oberta de Catalunya</uketdterms:institution>
<dcterms:issued>2015-03-13</dcterms:issued>
<dc:type>info:eu-repo/semantics/doctoralThesis</dc:type>
<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
<dc:language type="dcterms:ISO639-2">eng</dc:language>
<dcterms:isReferencedBy>http://hdl.handle.net/10803/306605</dcterms:isReferencedBy>
<dcterms:hasFormat>http://www.tdx.cat/bitstream/10803/306605/5/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf.txt</dcterms:hasFormat>
<uketdterms:checksum type="uketdterms:MD5">7c69ee2732ee78af4f0bd35033fb5663</uketdterms:checksum>
<dc:identifier type="dcterms:URI">http://www.tdx.cat/bitstream/10803/306605/1/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf</dc:identifier>
<uketdterms:checksum type="uketdterms:MD5">3b760e41ba1946f7e8b10b4a5b3e713d</uketdterms:checksum>
<uketdterms:embargodate>cap</uketdterms:embargodate>
<dc:subject>heurístiques aleatòries i esbiaixades</dc:subject>
<dc:subject>optimització</dc:subject>
<dc:subject>aplicacions reals</dc:subject>
<dc:subject>metaheurístiques</dc:subject>
<dc:subject>simulació</dc:subject>
<dc:subject>Heurísticas Aleatorias y Sesgada</dc:subject>
<dc:subject>Optimización</dc:subject>
<dc:subject>Aplicaciones Reales</dc:subject>
<dc:subject>Metaheurísticas</dc:subject>
<dc:subject>Simulación</dc:subject>
<dc:subject>Biased Randomized Heuristics</dc:subject>
<dc:subject>Optimization</dc:subject>
<dc:subject>Real applications</dc:subject>
<dc:subject>Metaheuristics</dc:subject>
<dc:subject>Ciència de la Computació i Inteligència Artificial</dc:subject>
</uketd_dc:uketddc>
<?xml version="1.0" encoding="UTF-8" ?>
<metadata schemaLocation="http://www.lyncode.com/xoai http://www.lyncode.com/xsd/xoai.xsd">
<element name="dc">
<element name="contributor">
<element name="none">
<field name="value">Universitat Oberta de Catalunya. Internet Interdisciplinary Institut (IN3)</field>
</element>
<element name="author">
<element name="none">
<field name="value">González-Martin, Sergio</field>
</element>
</element>
<element name="authoremail">
<element name="none">
<field name="value">sgonzalezmarti@uoc.edu</field>
</element>
</element>
<element name="authoremailshow">
<element name="none">
<field name="value">true</field>
</element>
</element>
<element name="director">
<element name="none">
<field name="value">Juan Pérez, Ángel Alejandro</field>
<field name="value">Riera Terrén, Daniel</field>
</element>
</element>
<element name="authorsendemail">
<element name="none">
<field name="value">true</field>
</element>
</element>
</element>
<element name="date">
<element name="accessioned">
<element name="none">
<field name="value">2015-09-04T11:51:38Z</field>
</element>
</element>
<element name="available">
<element name="none">
<field name="value">2015-09-04T11:51:38Z</field>
</element>
</element>
<element name="issued">
<element name="none">
<field name="value">2015-03-13</field>
</element>
</element>
</element>
<element name="identifier">
<element name="none">
<field name="value">B 27249-2014</field>
</element>
<element name="uri">
<element name="none">
<field name="value">http://hdl.handle.net/10803/306605</field>
</element>
</element>
</element>
<element name="description">
<element name="abstract">
<element name="cat">
<field name="value">La majoria de metaheuristiques tenen una component aleatori, que normalment està basada en aleatorització uniforme -i.e., l'ús de la distribució de probabilitat uniforme per fer seleccions aleatòries. Per altra banda, el marc Multi-start biased Randomization of classical Heuristics with Adaptive local search proposa l'ús de aleatorització esbiaixada (no uniforme) per al disseny de algoritmes metaheuristics alternatius -i.e., l'ús de distribucions de probabilitat esbiaixades com la geomètrica o la triangular. En algunes situacions, aquesta aleatorització no uniforme ha obtingut una convergència més ràpida a la solució quasi òptima. El marc MIRHA també inclou un pas de cerca local per a millorar les solucions generades durant el procés iteratiu. A més, permet afegir passos de cerca adaptats al problema, com cache (memòria) o splitting (dividir i conquerir), que permeten la generació de solucions competitives (quasi òptimes). Els algoritmes dissenyats amb el marc MIRHA permeten obtenir solucions d'alta qualitat a problemes realistes en temps de computació raonables. A més, tendeixen a utilitzar un nombre reduït de paràmetres, el que els fa simples d'implementar i configurar en la majoria d'aplicacions pràctiques. El marc s'ha aplicat exitosament a diversos problemes d'enrutament i planificació. Un dels principals objectius d'aquesta tesi és desenvolupar nous algoritmes , basats en el marc mencionat, per solucionar problemes d'optimització combinatòria que poden ser d'interès a la industria de les telecomunicacions.</field>
</element>
<element name="spa">
<field name="value">La mayoría de metaheurísticas tienen un componente aleatorio, que normalmente está basada en aleatorización uniforme -ie, el uso de la distribución de probabilidad uniforme para hacer selecciones aleatorias. Por otra parte, el marco Multi-start Biased Randomization of classical heurística with Adaptive local search propone el uso de aleatorización sesgada (no uniforme) para el diseño de algoritmos metaheurísticos alternativos -ie, el uso de distribuciones de probabilidad sesgadas como la geométrica o triangular. En algunas situaciones, esta aleatorización no uniforme ha obtenido una convergencia más rápida en la solución casi óptima. El marco MIRHA también incluye un paso de búsqueda local para mejorar las soluciones generadas durante el proceso iterativo. Además, permite añadir pasos de búsqueda adaptados al problema, como caché (memoria) o splitting (dividir y conquistar), que permiten la generación de soluciones competitivas (casi óptimas). Los algoritmos diseñados con el marco MIRHA permiten obtener soluciones de alta calidad a problemas realistas en tiempo de computación razonables. Además, tienden a utilizar un número reducido de parámetros, lo que los hace simples de implementar y configurar en la mayoría de aplicaciones prácticas. El marco se ha aplicado exitosamente a varios problemas de enrutamiento y planificación. Uno de los principales objetivos de esta tesis es desarrollar nuevos algoritmos, basados ¿¿en el marco mencionado, para solucionar problemas de optimización combinatoria que pueden ser de interés en la industria de las telecomunicaciones.</field>
</element>
<element name="eng">
<field name="value">Most metaheuristics contain a randomness component, which is usually based on uniform randomization -i.e., the use of the Uniform probability distribution to make random choices. However, the Multi-start biased Randomization of classical Heuristics with Adaptive local search framework proposes the use of biased (non-uniform) randomization for the design of alternative metaheuristics -i.e., the use of skewed probability distributions such as the Geometric or Triangular ones. In some scenarios, this non-biased randomization has shown to provide faster convergence to near-optimal solutions. The MIRHA framework also includes a local search step for improving the incumbent solutions generated during the multi-start process. It also allows the addition of tailored local search components, like cache (memory) or splitting (divide-and-conquer) techniques, that allow the generation of competitive (near-optimal) solutions. The algorithms designed using the MIRHA framework allows to obtain "high-quality" solutions to realistic problems in reasonable computing times. Moreover, they tend to use a reduced number of parameters, which makes them simple to implement and configure in most practical applications. This framework has successfully been applied in many routing and scheduling problems. One of the main goals of this thesis is to develop new algorithms, based in the aforementioned framework, for solving some combinatorial optimization problems that can be of interest in the telecommunication industry.</field>
</element>
</element>
</element>
<element name="format">
<element name="extent">
<element name="none">
<field name="value">133 p.</field>
</element>
</element>
<element name="mimetype">
<element name="none">
<field name="value">application/pdf</field>
</element>
</element>
</element>
<element name="language">
<element name="iso">
<element name="none">
<field name="value">eng</field>
</element>
</element>
</element>
<element name="publisher">
<element name="none">
<field name="value">Universitat Oberta de Catalunya</field>
</element>
</element>
<element name="rights">
<element name="license">
<element name="none">
<field name="value">L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/</field>
</element>
</element>
<element name="accessLevel">
<element name="none">
<field name="value">info:eu-repo/semantics/openAccess</field>
</element>
</element>
</element>
<element name="source">
<element name="none">
<field name="value">TDX (Tesis Doctorals en Xarxa)</field>
</element>
</element>
<element name="subject">
<element name="none">
<field name="value">heurístiques aleatòries i esbiaixades</field>
<field name="value">optimització</field>
<field name="value">aplicacions reals</field>
<field name="value">metaheurístiques</field>
<field name="value">simulació</field>
<field name="value">Heurísticas Aleatorias y Sesgada</field>
<field name="value">Optimización</field>
<field name="value">Aplicaciones Reales</field>
<field name="value">Metaheurísticas</field>
<field name="value">Simulación</field>
<field name="value">Biased Randomized Heuristics</field>
<field name="value">Optimization</field>
<field name="value">Real applications</field>
<field name="value">Metaheuristics</field>
</element>
<element name="other">
<element name="none">
<field name="value">Ciència de la Computació i Inteligència Artificial</field>
</element>
</element>
<element name="udc">
<element name="cat">
<field name="value">004</field>
<field name="value">519.1</field>
</element>
</element>
</element>
<element name="title">
<element name="none">
<field name="value">Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems</field>
</element>
</element>
<element name="type">
<element name="none">
<field name="value">info:eu-repo/semantics/doctoralThesis</field>
<field name="value">info:eu-repo/semantics/publishedVersion</field>
</element>
</element>
<element name="embargo">
<element name="terms">
<element name="none">
<field name="value">cap</field>
</element>
</element>
</element>
</element>
<element name="bundles">
<element name="bundle">
<field name="name">MEDIA_DOCUMENT</field>
<element name="bitstreams">
<element name="bitstream">
<field name="name">PhD Thesis Sergio Gonzalez Martin - Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems.pdf.xml</field>
<field name="originalName">PhD Thesis Sergio Gonzalez Martin - Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems.pdf.xml</field>
<field name="description">Document Consulta</field>
<field name="format">text/xml</field>
<field name="size">105</field>
<field name="url">http://www.tdx.cat/bitstream/10803/306605/6/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf.xml</field>
<field name="checksum">dd5e6b7f350267b411d4e736ce0b5773</field>
<field name="checksumAlgorithm">MD5</field>
<field name="sid">6</field>
</element>
</element>
</element>
<element name="bundle">
<field name="name">TEXT</field>
<element name="bitstreams">
<element name="bitstream">
<field name="name">PhD Thesis Sergio Gonzalez Martin - Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems.pdf.txt</field>
<field name="originalName">PhD Thesis Sergio Gonzalez Martin - Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems.pdf.txt</field>
<field name="description">Extracted text</field>
<field name="format">text/plain</field>
<field name="size">300081</field>
<field name="url">http://www.tdx.cat/bitstream/10803/306605/5/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf.txt</field>
<field name="checksum">7c69ee2732ee78af4f0bd35033fb5663</field>
<field name="checksumAlgorithm">MD5</field>
<field name="sid">5</field>
</element>
</element>
</element>
<element name="bundle">
<field name="name">ORIGINAL</field>
<element name="bitstreams">
<element name="bitstream">
<field name="name">PhD Thesis Sergio Gonzalez Martin - Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems.pdf</field>
<field name="originalName">PhD Thesis Sergio Gonzalez Martin - Applications of Biased Randomization and Simheuristic Algorithms to Arc Routing and Facility Location Problems.pdf</field>
<field name="format">application/pdf</field>
<field name="size">2885528</field>
<field name="url">http://www.tdx.cat/bitstream/10803/306605/1/PhD%20Thesis%20Sergio%20Gonzalez%20Martin%20-%20Applications%20of%20Biased%20Randomization%20and%20Simheuristic%20Algorithms%20to%20Arc%20Routing%20and%20Facility%20Location%20Problems.pdf</field>
<field name="checksum">3b760e41ba1946f7e8b10b4a5b3e713d</field>
<field name="checksumAlgorithm">MD5</field>
<field name="sid">1</field>
</element>
</element>
</element>
<element name="bundle">
<field name="name">CC-LICENSE</field>
<element name="bitstreams">
<element name="bitstream">
<field name="name">license_url</field>
<field name="originalName">license_url</field>
<field name="format">text/plain; charset=utf-8</field>
<field name="size">52</field>
<field name="url">http://www.tdx.cat/bitstream/10803/306605/2/license_url</field>
<field name="checksum">81d062cbbb61e4032033a8fbcbca52da</field>
<field name="checksumAlgorithm">MD5</field>
<field name="sid">2</field>
</element>
<element name="bitstream">
<field name="name">license_text</field>
<field name="originalName">license_text</field>
<field name="format">text/html; charset=utf-8</field>
<field name="size">0</field>
<field name="url">http://www.tdx.cat/bitstream/10803/306605/3/license_text</field>
<field name="checksum">d41d8cd98f00b204e9800998ecf8427e</field>
<field name="checksumAlgorithm">MD5</field>
<field name="sid">3</field>
</element>
<element name="bitstream">
<field name="name">license_rdf</field>
<field name="originalName">license_rdf</field>
<field name="format">application/rdf+xml; charset=utf-8</field>
<field name="size">24987</field>
<field name="url">http://www.tdx.cat/bitstream/10803/306605/4/license_rdf</field>
<field name="checksum">b8cc019edc80f20696d96e983993d1e5</field>
<field name="checksumAlgorithm">MD5</field>
<field name="sid">4</field>
</element>
</element>
</element>
</element>
<element name="others">
<field name="handle">10803/306605</field>
<field name="identifier">oai:www.tdx.cat:10803/306605</field>
<field name="lastModifyDate">2017-09-13 11:26:47.044</field>
</element>
<element name="repository">
<field name="name">TDX</field>
<field name="mail">aco@csuc.cat</field>
</element>
</metadata>