Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas
Este artículo aborda el problema de selección de portafolio de proyectos para la adjudicación de interventorías de obra pública a través de concursos de méritos abiertos (CMA) supervi-sados por el Instituto Nacional de Vías (INVIAS) en Colombia. En esta modalidad, cada con-cursante presenta un porta...
- Autores:
-
Candia García, Cristian David
López Castro, Luis Francisco
Jaimes Suárez, Sonia Alexandra
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2020
- Institución:
- Escuela Colombiana de Ingeniería Julio Garavito
- Repositorio:
- Repositorio Institucional ECI
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.escuelaing.edu.co:001/1590
- Acceso en línea:
- https://repositorio.escuelaing.edu.co/handle/001/1590
https://revistas.eia.edu.co/index.php/reveia/article/view/1399/1349
- Palabra clave:
- Proyectos de construcción
Algoritmos heurísticos
Algoritmos
Construction projects
Heuristic algorithms
Algorithms
Algoritmo genético
GRASP
Meta-optimización
Selección de portafolio de proyectos
Genetic algorithms
Meta-optimization
Project portfolio selection
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by/4.0/
| id |
ESCUELAIG2_255bf74c042f752c1710892645db05e9 |
|---|---|
| oai_identifier_str |
oai:repositorio.escuelaing.edu.co:001/1590 |
| network_acronym_str |
ESCUELAIG2 |
| network_name_str |
Repositorio Institucional ECI |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas |
| dc.title.alternative.eng.fl_str_mv |
Optimal Project Portfolio Selection Using Meta-Optimized Population and Trajectory-Based Metaheuristics |
| title |
Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas |
| spellingShingle |
Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas Proyectos de construcción Algoritmos heurísticos Algoritmos Construction projects Heuristic algorithms Algorithms Algoritmo genético GRASP Meta-optimización Selección de portafolio de proyectos Genetic algorithms Meta-optimization Project portfolio selection |
| title_short |
Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas |
| title_full |
Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas |
| title_fullStr |
Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas |
| title_full_unstemmed |
Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas |
| title_sort |
Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas |
| dc.creator.fl_str_mv |
Candia García, Cristian David López Castro, Luis Francisco Jaimes Suárez, Sonia Alexandra |
| dc.contributor.author.none.fl_str_mv |
Candia García, Cristian David López Castro, Luis Francisco Jaimes Suárez, Sonia Alexandra |
| dc.contributor.researchgroup.spa.fl_str_mv |
Centro de Investigaciones en Manufactura y Servicios - CIMSER |
| dc.subject.armarc.spa.fl_str_mv |
Proyectos de construcción Algoritmos heurísticos Algoritmos |
| topic |
Proyectos de construcción Algoritmos heurísticos Algoritmos Construction projects Heuristic algorithms Algorithms Algoritmo genético GRASP Meta-optimización Selección de portafolio de proyectos Genetic algorithms Meta-optimization Project portfolio selection |
| dc.subject.armarc.eng.fl_str_mv |
Construction projects Heuristic algorithms Algorithms |
| dc.subject.proposal.spa.fl_str_mv |
Algoritmo genético GRASP Meta-optimización Selección de portafolio de proyectos |
| dc.subject.proposal.eng.fl_str_mv |
Genetic algorithms Meta-optimization Project portfolio selection |
| description |
Este artículo aborda el problema de selección de portafolio de proyectos para la adjudicación de interventorías de obra pública a través de concursos de méritos abiertos (CMA) supervi-sados por el Instituto Nacional de Vías (INVIAS) en Colombia. En esta modalidad, cada con-cursante presenta un portafolio único de proyectos históricos para cuantificar su experiencia como interventor. Como alternativa al uso de hojas de cálculo en Excel con procedimientos limitados de enumeración exhaustiva, se evaluó un algoritmo genético meta-optimizado (GA) y un procedimiento de búsqueda voraz adaptativo probabilista meta-optimizado (GRASP) para el caso de estudio de una Compañía con 207 contratos de trayectoria en el sector. Ambas metaheurísticas consiguieron encontrar puntajes de valoración óptimos para distintas instancias de prueba, sin embargo, el algoritmo GA presentó un mejor desempeño consistentemente en todas las instancias de evaluación, encontrando en algunos casos hasta 10 portafolios óptimos en menos de 9 minutos. |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2021-06-18T22:50:03Z 2021-10-01T17:37:38Z |
| dc.date.available.none.fl_str_mv |
2021-06-18T22:50:03Z 2021-10-01T17:37:38Z |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| format |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
1794-1237 2463-0950 |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.escuelaing.edu.co/handle/001/1590 |
| dc.identifier.doi.none.fl_str_mv |
doi.org/10.24050/reia.v17i34.1399 |
| dc.identifier.url.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/1399/1349 |
| identifier_str_mv |
1794-1237 2463-0950 doi.org/10.24050/reia.v17i34.1399 |
| url |
https://repositorio.escuelaing.edu.co/handle/001/1590 https://revistas.eia.edu.co/index.php/reveia/article/view/1399/1349 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.citationedition.spa.fl_str_mv |
Año XVII, Volumen 17, Edición N.34, Julio-Diciembre de 2020 |
| dc.relation.citationissue.spa.fl_str_mv |
34 |
| dc.relation.citationvolume.spa.fl_str_mv |
17 |
| dc.relation.indexed.spa.fl_str_mv |
N/A |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Revista EIA |
| dc.relation.references.spa.fl_str_mv |
Agarwal, A., 2018. Multi-echelon Supply Chain Inventory Planning using Simulation-Optimi-zation with Data Resampling. arXiv:1901.00090 [math]. Baykasoğlu, A., Karaslan, F.S., 2017. Solving comprehensive dynamic job shop scheduling problem by using a GRASP-based approach. International Journal of Production Re-search 55, 3308–3325. https://doi.org/10.1080/00207543.2017.1306134 Boryssenko, A., Herscovici, N., 2018. Machine Learning for Multiobjective Evolutionary Optimization in Python for EM Problems, in: 2018 IEEE International Symposium on Antennas and Propagation USNC/URSI National Radio Science Meeting. Presented at the 2018 IEEE International Symposium on Antennas and Propagation USNC/URSI National Radio Science Meeting, pp. 541–542. https://doi.org/10.1109/APUSNCUR-SINRSM.2018.8609394 Cetin, O., 2018. Parallelizing simulated annealing algorithm fot TSP on massively parallel architectures. Journal of Aeronautics and Space Technologies 11, 75–85. Chen, W., 2015. Artificial bee colony algorithm for constrained possibilistic portfolio opti-mization problem. Physica A: Statistical Mechanics and its Applications 429, 125–139. https://doi.org/10.1016/j.physa.2015.02.060 Colombia Compra Eficiente, 2017. Guía para procesos de contratación de obra pública. Crawford, B., Soto, R., Cuesta, R., Paredes, F., 2014. Application of the Artificial Bee Colony Al-gorithm for Solving the Set Covering Problem [WWW Document]. The Scientific World Journal. https://doi.org/10.1155/2014/189164 Deng, J., Wang, L., 2017. A competitive memetic algorithm for multi-objective distributed permutation flow shop scheduling problem. Swarm and Evolutionary Computation 32, 121–131. https://doi.org/10.1016/j.swevo.2016.06.002 Eshlaghy, A.T., Razi, F.F., 2015. A hybrid grey-based k-means and genetic algorithm for project selection. International Journal of Business Information Systems 18, 141–159. https://doi.org/10.1504/IJBIS.2015.067262 Faezy Razi, F., Shadloo, N., 2017. A Hybrid Grey based Two Steps Clustering and Firefly Algorithm for Portfolio Selection. Journal of Optimization in Industrial Engineering 10, 49–59. https://doi.org/10.22094/joie.2017.276 Faia, R., Pinto, T., Vale, Z., 2016. GA optimization technique for portfolio optimization of electricity market participation, in: 2016 IEEE Symposium Series on Computational Intelligence (SSCI). Presented at the 2016 IEEE Symposium Series on Computa-tional Intelligence (SSCI), IEEE, Athens, Greece, pp. 1–7. https://doi.org/10.1109/SSCI.2016.7849858 Garcia, C., 2014. A metaheuristic algorithm for project selection and scheduling with due windows and limited inventory capacity. Kybernetes 43, 1483–1499. https://doi.org/10.1108/K-11-2013-0245 Ghayour, F., Solimanpur, M., Mansourfar, G., 2015. Optimum portfolio selection using a hybrid genetic algorithm and analytic hierarchy process. Studies in Economics & Finance 32, 379–394. https://doi.org/10.1108/SEF-08-2012-0085 Griffith, A., Pomerance, A., Gauthier, D.J., 2019. Forecasting Chaotic Systems with Very Low Connectivity Reservoir Computers. arXiv:1910.00659 [nlin, stat]. Hiassat, A., Diabat, A., Rahwan, I., 2017. A genetic algorithm approach for location-inventory-routing problem with perishable products. Journal of Manufacturing Systems 42, 93–103. https://doi.org/10.1016/j.jmsy.2016.10.004 Instituto Nacional de Vías, 2017. Concurso de méritos abierto CMA-DO-SRN-003-2017 Interian, R., Ribeiro, C.C., n.d. A GRASP heuristic using path-relinking and restarts for the Steiner traveling salesman problem. International Transactions in Operational Research 24, 1307–1323. https://doi.org/10.1111/itor.12419 INVIAS, 2018. Concurso de méritos abierto CMA-DO-SRT-063-2018. Kumar, M., Mittal, M.L., Soni, G., Joshi, D., 2019. A Tabu Search Algorithm for Simultaneous Selection and Scheduling of Projects, in: Yadav, N., Yadav, A., Bansal, J.C., Deep, K., Kim, J.H. (Eds.), Harmony Search and Nature Inspired Optimization Algorithms, Advances in Intelligent Systems and Computing. Springer Singapore, pp. 1111–1121 Martínez-Vega, D.A., Cruz-Reyes, L., Rangel-Valdez, N., Santillán, C.G., Sánchez-Solís, P., Villafuerte, M.P., 2019. Project Portfolio Selection with Scheduling: An Evolutionary Ap-proach. 1 10, 25–31. Mira, C., Feijao, P., Souza, M.A., Moura, A., Meidanis, J., Lima, G., Schmitz, R., Bossolan, R.P., Freitas, I.T., 2012. A GRASP-based Heuristic for the Project Portfolio Selection Problem, in: 2012 IEEE 15th International Conference on Computational Science and Engineer-ing. Presented at the 2012 IEEE 15th International Conference on Computational Sci-ence and Engineering (CSE), IEEE, Paphos, Cyprus, pp. 36–41. https://doi.org/10.1109/ICCSE.2012.102 Neumüller, C., Wagner, S., Kronberger, G., Affenzeller, M., 2012. Parameter Meta-optimization of Metaheuristic Optimization Algorithms, in: Moreno-Díaz, R., Pichler, F., Quesada-Arencibia, A. (Eds.), Computer Aided Systems Theory – EUROCAST 2011, Lecture Notes in Computer Science. Springer Berlin Heidelberg, pp. 367–374 Osaba, E., Carballedo, R., Diaz, F., Onieva, E., Lopez, P., Perallos, A., 2014. On the influence of using initialization functions on genetic algorithms solving combinatorial optimization problems: A first study on the TSP, in: 2014 IEEE Conference on Evolving and Adap-tive Intelligent Systems (EAIS). Presented at the 2014 IEEE Conference on Evolving and Adaptive Intelligent Systems (EAIS), IEEE, Linz, Austria, pp. 1–6. https://doi.org/10.1109/EAIS.2014.6867465 Panadero, J., Doering, J., Kizys, R., Juan, A.A., Fito, A., 2018. A variable neighborhood search simheuristic for project portfolio selection under uncertainty. Journal of Heuristics. https://doi.org/10.1007/s10732-018-9367-z Pedersen, M.E.H., 2010. Tuning & Simplifying Heuristical Optimization (phd). University of Southampton. Resende, M.G.C., Ribeiro, C.C., 2016. Optimization by GRASP. Springer New York, New York, NY. https://doi.org/10.1007/978-1-4939-6530-4 Shadkam, E., Delavari, R., Memariani, F., Poursaleh, M., 2015. Portfolio Selection by the Means of Cuckoo Optimization Algorithm. International Journal on Computational Science & Applications 5, 37–46. https://doi.org/10.5121/ijcsa.2015.5304 Yu, L., Wang, S., Wen, F., Lai, K.K., 2012. Genetic algorithm-based multi-criteria project port-folio selection. Annals of Operations Research 197, 71–86. https://doi.org/10.1007/s10479-010-0819-6 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución 4.0 Internacional (CC BY 4.0) |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by/4.0/ Atribución 4.0 Internacional (CC BY 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
18 p. |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.place.spa.fl_str_mv |
Colombia |
| dc.source.spa.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/1399/1349 |
| institution |
Escuela Colombiana de Ingeniería Julio Garavito |
| bitstream.url.fl_str_mv |
https://repositorio.escuelaing.edu.co/bitstream/001/1590/1/license.txt https://repositorio.escuelaing.edu.co/bitstream/001/1590/2/Selecci%c3%b3n%20%c3%b3ptima%20del%20portafolio%20de%20proyectos%20utilizando%20metaheur%c3%adsticas%20de%20poblaci%c3%b3n%20y%20trayectoria%20meta-optimizadas.pdf https://repositorio.escuelaing.edu.co/bitstream/001/1590/3/Selecci%c3%b3n%20%c3%b3ptima%20del%20portafolio%20de%20proyectos%20utilizando%20metaheur%c3%adsticas%20de%20poblaci%c3%b3n%20y%20trayectoria%20meta-optimizadas.pdf.txt https://repositorio.escuelaing.edu.co/bitstream/001/1590/4/Selecci%c3%b3n%20%c3%b3ptima%20del%20portafolio%20de%20proyectos%20utilizando%20metaheur%c3%adsticas%20de%20poblaci%c3%b3n%20y%20trayectoria%20meta-optimizadas.pdf.jpg |
| bitstream.checksum.fl_str_mv |
5a7ca94c2e5326ee169f979d71d0f06e 3c94a343e224d7a2940816ba8d6bea09 1bb607118047afc5c385b82385dd931f 6913c35feb4e88cfeb1c8df161dd321a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Escuela Colombiana de Ingeniería Julio Garavito |
| repository.mail.fl_str_mv |
repositorio.eci@escuelaing.edu.co |
| _version_ |
1808494289560272896 |
| spelling |
Candia García, Cristian David36db88bc73f19814fc6ed3febae1fb7f600López Castro, Luis Francisco20e1e13fcf0e8bfe9f460bd568aeed33600Jaimes Suárez, Sonia Alexandra61836a7a9da60bcca727c48548688112600Centro de Investigaciones en Manufactura y Servicios - CIMSER2021-06-18T22:50:03Z2021-10-01T17:37:38Z2021-06-18T22:50:03Z2021-10-01T17:37:38Z20201794-12372463-0950https://repositorio.escuelaing.edu.co/handle/001/1590doi.org/10.24050/reia.v17i34.1399https://revistas.eia.edu.co/index.php/reveia/article/view/1399/1349Este artículo aborda el problema de selección de portafolio de proyectos para la adjudicación de interventorías de obra pública a través de concursos de méritos abiertos (CMA) supervi-sados por el Instituto Nacional de Vías (INVIAS) en Colombia. En esta modalidad, cada con-cursante presenta un portafolio único de proyectos históricos para cuantificar su experiencia como interventor. Como alternativa al uso de hojas de cálculo en Excel con procedimientos limitados de enumeración exhaustiva, se evaluó un algoritmo genético meta-optimizado (GA) y un procedimiento de búsqueda voraz adaptativo probabilista meta-optimizado (GRASP) para el caso de estudio de una Compañía con 207 contratos de trayectoria en el sector. Ambas metaheurísticas consiguieron encontrar puntajes de valoración óptimos para distintas instancias de prueba, sin embargo, el algoritmo GA presentó un mejor desempeño consistentemente en todas las instancias de evaluación, encontrando en algunos casos hasta 10 portafolios óptimos en menos de 9 minutos.This article addresses the problem of project portfolio selection for the adjudication of public works audits through open merit competitions (CMA) supervised by the National Institute of Roads (INVIAS) in Colombia. In this modality, each contestant presents a unique portfolio of historical projects to quantify their experience as a controller. As an alternative to using Excel spreadsheets with limited exhaustive enumeration procedures, a meta-optimized genetic algorithm (GA) and a meta-optimized probabilistic adaptive greedy search procedure (GRASP) were evaluated for a Company case study. with 207 experience contracts in the sector. Both metaheuristics were able to find optimal evaluation scores for different test instances, however, the GA algorithm presented a consistently better performance in all evaluation instances, finding in some cases up to 10 optimal portfolios in less than 9 minutes.Recibido: 03-01-2020Aceptado: 18-06-2020 Disponible online: 15-11-2020Publicación científica semestral Universidad EIA, Envigado, Colombia18 p.application/pdfspahttps://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessAtribución 4.0 Internacional (CC BY 4.0)http://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/1399/1349Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadasOptimal Project Portfolio Selection Using Meta-Optimized Population and Trajectory-Based MetaheuristicsArtículo de revistainfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARThttp://purl.org/coar/version/c_970fb48d4fbd8a85ColombiaAño XVII, Volumen 17, Edición N.34, Julio-Diciembre de 20203417N/ARevista EIAAgarwal, A., 2018. Multi-echelon Supply Chain Inventory Planning using Simulation-Optimi-zation with Data Resampling. arXiv:1901.00090 [math].Baykasoğlu, A., Karaslan, F.S., 2017. Solving comprehensive dynamic job shop scheduling problem by using a GRASP-based approach. International Journal of Production Re-search 55, 3308–3325. https://doi.org/10.1080/00207543.2017.1306134Boryssenko, A., Herscovici, N., 2018. Machine Learning for Multiobjective Evolutionary Optimization in Python for EM Problems, in: 2018 IEEE International Symposium on Antennas and Propagation USNC/URSI National Radio Science Meeting. Presented at the 2018 IEEE International Symposium on Antennas and Propagation USNC/URSI National Radio Science Meeting, pp. 541–542. https://doi.org/10.1109/APUSNCUR-SINRSM.2018.8609394Cetin, O., 2018. Parallelizing simulated annealing algorithm fot TSP on massively parallel architectures. Journal of Aeronautics and Space Technologies 11, 75–85.Chen, W., 2015. Artificial bee colony algorithm for constrained possibilistic portfolio opti-mization problem. Physica A: Statistical Mechanics and its Applications 429, 125–139. https://doi.org/10.1016/j.physa.2015.02.060Colombia Compra Eficiente, 2017. Guía para procesos de contratación de obra pública.Crawford, B., Soto, R., Cuesta, R., Paredes, F., 2014. Application of the Artificial Bee Colony Al-gorithm for Solving the Set Covering Problem [WWW Document]. The Scientific World Journal. https://doi.org/10.1155/2014/189164Deng, J., Wang, L., 2017. A competitive memetic algorithm for multi-objective distributed permutation flow shop scheduling problem. Swarm and Evolutionary Computation 32, 121–131. https://doi.org/10.1016/j.swevo.2016.06.002Eshlaghy, A.T., Razi, F.F., 2015. A hybrid grey-based k-means and genetic algorithm for project selection. International Journal of Business Information Systems 18, 141–159. https://doi.org/10.1504/IJBIS.2015.067262Faezy Razi, F., Shadloo, N., 2017. A Hybrid Grey based Two Steps Clustering and Firefly Algorithm for Portfolio Selection. Journal of Optimization in Industrial Engineering 10, 49–59. https://doi.org/10.22094/joie.2017.276Faia, R., Pinto, T., Vale, Z., 2016. GA optimization technique for portfolio optimization of electricity market participation, in: 2016 IEEE Symposium Series on Computational Intelligence (SSCI). Presented at the 2016 IEEE Symposium Series on Computa-tional Intelligence (SSCI), IEEE, Athens, Greece, pp. 1–7. https://doi.org/10.1109/SSCI.2016.7849858Garcia, C., 2014. A metaheuristic algorithm for project selection and scheduling with due windows and limited inventory capacity. Kybernetes 43, 1483–1499. https://doi.org/10.1108/K-11-2013-0245Ghayour, F., Solimanpur, M., Mansourfar, G., 2015. Optimum portfolio selection using a hybrid genetic algorithm and analytic hierarchy process. Studies in Economics & Finance 32, 379–394. https://doi.org/10.1108/SEF-08-2012-0085Griffith, A., Pomerance, A., Gauthier, D.J., 2019. Forecasting Chaotic Systems with Very Low Connectivity Reservoir Computers. arXiv:1910.00659 [nlin, stat].Hiassat, A., Diabat, A., Rahwan, I., 2017. A genetic algorithm approach for location-inventory-routing problem with perishable products. Journal of Manufacturing Systems 42, 93–103. https://doi.org/10.1016/j.jmsy.2016.10.004Instituto Nacional de Vías, 2017. Concurso de méritos abierto CMA-DO-SRN-003-2017Interian, R., Ribeiro, C.C., n.d. A GRASP heuristic using path-relinking and restarts for the Steiner traveling salesman problem. International Transactions in Operational Research 24, 1307–1323. https://doi.org/10.1111/itor.12419INVIAS, 2018. Concurso de méritos abierto CMA-DO-SRT-063-2018.Kumar, M., Mittal, M.L., Soni, G., Joshi, D., 2019. A Tabu Search Algorithm for Simultaneous Selection and Scheduling of Projects, in: Yadav, N., Yadav, A., Bansal, J.C., Deep, K., Kim, J.H. (Eds.), Harmony Search and Nature Inspired Optimization Algorithms, Advances in Intelligent Systems and Computing. Springer Singapore, pp. 1111–1121Martínez-Vega, D.A., Cruz-Reyes, L., Rangel-Valdez, N., Santillán, C.G., Sánchez-Solís, P., Villafuerte, M.P., 2019. Project Portfolio Selection with Scheduling: An Evolutionary Ap-proach. 1 10, 25–31.Mira, C., Feijao, P., Souza, M.A., Moura, A., Meidanis, J., Lima, G., Schmitz, R., Bossolan, R.P., Freitas, I.T., 2012. A GRASP-based Heuristic for the Project Portfolio Selection Problem, in: 2012 IEEE 15th International Conference on Computational Science and Engineer-ing. Presented at the 2012 IEEE 15th International Conference on Computational Sci-ence and Engineering (CSE), IEEE, Paphos, Cyprus, pp. 36–41. https://doi.org/10.1109/ICCSE.2012.102Neumüller, C., Wagner, S., Kronberger, G., Affenzeller, M., 2012. Parameter Meta-optimization of Metaheuristic Optimization Algorithms, in: Moreno-Díaz, R., Pichler, F., Quesada-Arencibia, A. (Eds.), Computer Aided Systems Theory – EUROCAST 2011, Lecture Notes in Computer Science. Springer Berlin Heidelberg, pp. 367–374Osaba, E., Carballedo, R., Diaz, F., Onieva, E., Lopez, P., Perallos, A., 2014. On the influence of using initialization functions on genetic algorithms solving combinatorial optimization problems: A first study on the TSP, in: 2014 IEEE Conference on Evolving and Adap-tive Intelligent Systems (EAIS). Presented at the 2014 IEEE Conference on Evolving and Adaptive Intelligent Systems (EAIS), IEEE, Linz, Austria, pp. 1–6. https://doi.org/10.1109/EAIS.2014.6867465Panadero, J., Doering, J., Kizys, R., Juan, A.A., Fito, A., 2018. A variable neighborhood search simheuristic for project portfolio selection under uncertainty. Journal of Heuristics. https://doi.org/10.1007/s10732-018-9367-zPedersen, M.E.H., 2010. Tuning & Simplifying Heuristical Optimization (phd). University of Southampton.Resende, M.G.C., Ribeiro, C.C., 2016. Optimization by GRASP. Springer New York, New York, NY. https://doi.org/10.1007/978-1-4939-6530-4Shadkam, E., Delavari, R., Memariani, F., Poursaleh, M., 2015. Portfolio Selection by the Means of Cuckoo Optimization Algorithm. International Journal on Computational Science & Applications 5, 37–46. https://doi.org/10.5121/ijcsa.2015.5304Yu, L., Wang, S., Wen, F., Lai, K.K., 2012. Genetic algorithm-based multi-criteria project port-folio selection. Annals of Operations Research 197, 71–86. https://doi.org/10.1007/s10479-010-0819-6Proyectos de construcciónAlgoritmos heurísticosAlgoritmosConstruction projectsHeuristic algorithmsAlgorithmsAlgoritmo genéticoGRASPMeta-optimizaciónSelección de portafolio de proyectosGenetic algorithmsMeta-optimizationProject portfolio selectionLICENSElicense.txttext/plain1881https://repositorio.escuelaing.edu.co/bitstream/001/1590/1/license.txt5a7ca94c2e5326ee169f979d71d0f06eMD51open accessORIGINALSelección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas.pdfapplication/pdf4230456https://repositorio.escuelaing.edu.co/bitstream/001/1590/2/Selecci%c3%b3n%20%c3%b3ptima%20del%20portafolio%20de%20proyectos%20utilizando%20metaheur%c3%adsticas%20de%20poblaci%c3%b3n%20y%20trayectoria%20meta-optimizadas.pdf3c94a343e224d7a2940816ba8d6bea09MD52open accessTEXTSelección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas.pdf.txtSelección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas.pdf.txtExtracted texttext/plain18https://repositorio.escuelaing.edu.co/bitstream/001/1590/3/Selecci%c3%b3n%20%c3%b3ptima%20del%20portafolio%20de%20proyectos%20utilizando%20metaheur%c3%adsticas%20de%20poblaci%c3%b3n%20y%20trayectoria%20meta-optimizadas.pdf.txt1bb607118047afc5c385b82385dd931fMD53open accessTHUMBNAILSelección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas.pdf.jpgSelección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas.pdf.jpgGenerated Thumbnailimage/jpeg13233https://repositorio.escuelaing.edu.co/bitstream/001/1590/4/Selecci%c3%b3n%20%c3%b3ptima%20del%20portafolio%20de%20proyectos%20utilizando%20metaheur%c3%adsticas%20de%20poblaci%c3%b3n%20y%20trayectoria%20meta-optimizadas.pdf.jpg6913c35feb4e88cfeb1c8df161dd321aMD54open access001/1590oai:repositorio.escuelaing.edu.co:001/15902022-09-12 12:30:09.043open accessRepositorio Escuela Colombiana de Ingeniería Julio Garavitorepositorio.eci@escuelaing.edu.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 |