Optimización discreta basada en modelos de simulación mediante aprendizaje reforzado

Abstract

Existen situaciones en el contexto de sistemas productivos de bienes y servicios en los cuales se toman decisiones con cierto grado de incertidumbre. En algunos casos se emplean modelos de simulación para representar estas situaciones y lograr un mejoramiento en una medida de desempeño. De esta forma se tiene un proceso de optimización bajo un ambiente simulado, para el cual se cuenta con herramientas matemáticas y metaheurísticas , cada una con sus ventajas y desventajas. Se propone una metodología metaheurística basada en una técnica de inteligencia computacional llamada aprendizaje reforzado, en la cual un agente lleva a cabo acciones que favorezcan el objetivo del problema. Se empleó una red neuronal para almacenar el conocimiento adquirido por el agente. Se incluyeron rasgos del método numérico de descenso rápido como contribución metodológica. Los resultados se compararon con un paquete de optimización comercial. Los modelos de simulación fueron implementados en el lenguaje ARENA.