Publicación: Selección óptima del portafolio de proyectos utilizando metaheurísticas de población y trayectoria meta-optimizadas
Portada
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
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) supervisados por el Instituto Nacional de Vías (INVIAS) en Colombia. En esta modalidad, cada concursante 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.
Resumen en inglés
This article addresses the problem of project portfolio selection for the awarding of public works audits through open merit competitions (CMA) supervised by the National Roads Institute in Colombia - INVIAS. In this modality, each competitor presents a unique portfolio of historical projects to quantify its experience. As an alternative to the use of Excel spreadsheets with limited procedures of exhaustive enumeration, a meta-optimized genetic algorithm (GA) and a meta-optimized greedy randomized adaptive search procedure (GRASP) were evaluated for the case study of a company with 207 experience career contracts. Both metaheuristics were able to find optimal assessment scores for different test instances, however, the GA algorithm consistently performed better in all assessment instances, finding in some cases up to 10 optimal portfolios in less than 9 minutes.