摘要：Se desarrollaron dos nuevos métodos heurísticos para el TSP simétrico: el Sacrificio Cortoplacista Adaptativo 2-opt (SCA_2opt) y una versión mejorada del mismo (SCA_2_opt_r). Estos son fruto del análisis sistémico de la regla de decisión vecino más cercano, a la cual le fue encontrado el arquetipo sistémico "Soluciones contraproducentes". El SCA se basa en que el viajero empleado en el TSP, renuncie en un momento dado a una ciudad inmediatamente cercana, y se traslade hacia la segunda ciudad más cercana disponible. A partir de este cambio, el viajero continúa con la regla del vecino más cercano. Cada que se realiza el SCA (búsqueda global) se efectúa una búsqueda local 2_opt. Las dos heurísticas reflejan un desempeño favorable en eficacia y eficiencia, en comparación con diversas metaheurísticas en las categorías: Colonia de hormigas, Algoritmos genéticos, Enfriamiento simulado y otras. Se proporcionan preguntas emergentes que posibilitan mayor comprensión y mejoramiento del trabajo realizado e invitan a continuar integrando elementos de la optimización clásica con el pensamiento sistémico.
其他摘要：We present two new heuristics for the TSP symmetric: the sacrifice short-term adaptive 2-opt (SCA_2opt) and an improved version (SCA_2_opt_r). These methods are the result of systemic analysis of the decision rule nearest neighbor, to which he was found on systems archetype "Solutions counterproductive." The SCA is based on the traveler used in the TSP, resign at any time to overnight stop near the city immediately, and moved to the second city nearest available. From this change, the traveler continues with the nearest neighbor rule. Each SCA is performed (global search) a local search is performed 2_opt. The two heuristics reflect a good performance in efficiency and effectiveness in comparison with various metaheuristics in the categories of ant colonies, genetic algorithms, simulated annealing and other. Emerging questions are provided that enable a greater understanding and improvement of the study. These questions are also invited to continue integrating elements of clasic optimization with systems thinking.
