Generación de instancias mediante búsqueda por novedad basada en auto‐encoders

M. Irastorza Zabalegui, A. Rodríguez Verde, L. Hernando Rodríguez, J. A. Lozano

El rendimiento de los algoritmos de optimización combinatoria puede variar significativamente según la instancia del problema. Esta aspecto motiva el problema de la selección de algoritmo por instancia, cuyo éxito depende de disponer de conjuntos de instancias diversos y discriminativos. En este trabajo se propone un marco de generación automática de instancias basado en búsqueda por novedad, que combina diversidad en un espacio descriptor con un criterio de discriminación algorítmica. Como caso de estudio se considera el problema de ordenación lineal, analizando dos tipos de descriptores: a) características diseñadas manualmente a partir de propiedades estructurales y b) representaciones latentes aprendidas mediante un auto‐encoder entrenado sobre las matrices del problema. En ambos casos, la búsqueda se realiza en el espacio de instancias. Los resultados muestran que los descriptores aprendidos constituyen una alternativa práctica y más generalizable a las características manuales

Palabras clave: Búsqueda por novedad, generación de instancias, selección de algoritmos, aprendizaje de representaciones, auto‐encoders, diversidad, optimización combinatoria, problema de ordenación lineal

GT Heurísticas y metaheurísticas III
3 de septiembre de 2026  11:10
Aula B

M. Robles, S. Cavero, E. García Pardo

J. Serrano Roig, A. Martínez-Gavara, M. Reula Martín

Ó. Soto-Sánchez, N. Madrueño, P. Terán-Viadero, A. Alonso-Ayuso, M. Gallego, F. J. Martín-Campo