Solving permutation problems with estimation of distribution algorithms and extensions thereof

La tesis esta dedicada al estudio y resolucion de problemas de optimizacioncombinatoria basadas en permutaciones. Dichos problemas se caracterizan por el grannumero de posibles soluciones que pueden tomar: n!. Como consecuencia, la mayoriade los metodos de optimizacion exactos no son efectivos a la hora de resolverproblemas de este tipo. En este sentido, la comunidad cientificia ha propuesto un grannumero de metodos heuristicos y metaheuristicos para resolverlos.A lo largo del documento se desarrollan tres lineas de investigacion diferenciadas quetienen como eje fundamental proponer avances en la resolucion de los problemas depermutaciones. Una primera linea se encuadra en desarrollar algoritmos de estimacionde distribuciones. La gran mayoria de este tipo de algoritmos no implementan modelosprobabilisticos eficaces para modelar permutaciones. En este sentido, se han estudiadolos modelos probabilisticos de Mallows, Generalized Mallows y Plackett-Luce, que, ala vista de los experimentos, suponen un paso adelante respecto a los algoritmosexistentes. La segunda linea de investigacion, aborda los problemas de permutacionesdesde el ambito de la busqueda local y analisis de fitness landscapes. En particular, setoma el problema de ordenacion lineal como caso de estudio, y extraemoscaracteristicas del problema, que permiten hacer una busqueda mas eficiente. Porultimo, la tercera linea de investigacion profundiza en la descomposicion de la funcionasociada al problema en subfunciones elementales. Dicha descomposicion permiteconocer mejor la estructura del problema, y en nuestro caso, multiobjectivizar elproblema reduciendo asi su complejidad y facilitando su optimizacion.(No rebasar en extension el presente recuadro)