Optimizando parámetros de pronósticos de demanda con un algoritmo evolutivo

Abstract

Se trata de calcular los parámetros óptimos que minimicen el error en un modelo de pronósticos basado en suavización exponencial. Se presenta el modelo matemático del problema de optimización no lineal restringido. Se propone una solución por medio de un algoritmo genético con mutación limitada por el inverso de la serie de Fibonacci, que suma y resta valores aleatorios a los mejores individuos hasta que la diferencia entre estos sea menor que un valor previamente establecido. El resultado se aproxima en forma eficiente al obtenido con otros métodos con tiempos computacionales satisfactorios y facilidad de implementación. Se concluye que es una alternativa viable en entornos reales donde se requiere procesar altos volúmenes de series de tiempo, que su rendimiento es apropiado y que en el futuro puede aplicarse el mismo algoritmo a otros casos de optimización no lineal o probar otras metaheurísticas en este mismo tipo de problemas