Resumen de Métodos de optimización heurística para la resolución de modelos de planificación forestal
Marc Palahí Lozano, Timo Pukkala
El presente estudio examinó cinco métodos de optimización heurística: subida azarosa (RA), Hero, templado simulado (SA), búsqueda tabú (TS) y algoritmos genéticos (AG), en el contexto de dos modelos de planificación forestal que consideraban explícitamente objetivos ecológicos para la preserveración del hábitat del urogallo en Cataluña. Tales modelos fueron resueltos para dos problemas distintos (uno no-espacial y otro espacial) para un caso de estudio cuyo propósito era mejorar en un período de 60 años el hábitat del urogallo en un monte virtual de 14.400 ha compuesto mayoritariamente por rodales de Pinus uncinata, Pinus sylvestris y Pinus nigra. Una vez formulados, los dos problemas fueron resueltos mediante los cinco métodos de optimización heurística. En el primer problema, cuatro de los cinco métodos heurísticos; RA, HERO, SA y TS encontraron valores muy similares para la función objetivo, siendo GA claramente inferior y mucho más lento que el resto de los métodos. Por el contrario, en el caso del segundo problema de carácter espacial, GA fue el método que encontró el mejor valor de la función objetivo mientras que el resto de métodos encontraron soluciones casi idénticas. La razon por la que GA produce las mejores soluciones en el problema de optimización espacial, podría deberse a su proceso de búsqueda, el cual es muy diferente al de los otros métodos empleados. GA, al contrario que RA, HERO, SA y TS no basa su proceso de búsqueda en llevar a cabo mejoras locales en un entorno, sino basa su estrategia de búsqueda en la recombinación de soluciones, lo cual le permite examinar en cada iteración múltiples cambios respecto a una misma solución.
