A. Martínez Gavara, H. Zheng, R. Martí, F. Glover

This work focuses on the design of effective solution methodologies for a combinatorial optimization problem that integrates diversity maximization with group fairness constraints. In particular, we investigate two metaheuristic paradigms, the Greedy Randomized Adaptive Search Procedure (GRASP) and Probabilistic Tabu Search (PTS), and analyze how different memory mechanisms influence search performance.
We propose two novel PTS variants that incorporate memory in distinct phases: one in the improvement phase through tabu and frequency-based structures, and another in the construction phase via probabilistic biasing guided by elite solutions and entropy-based control. We further introduce an advanced hybrid framework that integrates memory-based perturbation with strategic oscillation to effectively balance intensification and diversification. Results highlight the key role of memory in improving performance.

Palabras clave: metaheuristics, combinatorial optimization

Programado

GT Heurísticas y metaheurísticas II
2 de septiembre de 2026  17:40
Aula 29


Otros trabajos en la misma sesión

Heurísticas eficientes para el problema de localización de cobertura mínima

M. Alcaide Catalán, A. Martínez Gavara, S. Pérez Peló

Optimización heurística para el problema Integrated Disaster Recovery

R. Martín Santamaría, S. Salazar Cárdenas, J. M. Colmenar Verdugo, E. García Pardo


Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.