José Yair Guzmán Gaspar, egresado del Doctorado en Inteligencia Artificial de la Universidad Veracruzana (UV), desarrolló una tesis que demuestra, por primera vez, que el algoritmo de evolución diferencial puede resolver problemas cuyas condiciones cambian todo el tiempo.
En lugar de buscar la solución perfecta en cada instante, el trabajo propone una que se mantenga suficientemente buena pese a los cambios del entorno. A ese enfoque se le conoce como optimización robusta sobre el tiempo y fue el eje de su tesis doctoral, titulada Differential Evolution in Robust Optimization Over Time.
Qué propone la investigación de la UV
El egresado explicó que los problemas de optimización dinámica son aquellos cuyas condiciones varían de manera constante. Tradicionalmente se resuelven mediante el seguimiento del óptimo, es decir, buscando la mejor solución cada vez que el entorno cambia.
Su tesis exploró un camino distinto: encontrar una solución que, sin ser la óptima absoluta, se mantenga funcional a lo largo de diversos cambios en el ambiente. Para ello usó la evolución diferencial, un algoritmo reconocido por su buen desempeño en entornos dinámicos.
De acuerdo con el investigador, ese algoritmo había sido estudiado solo bajo el seguimiento del óptimo y nunca bajo el enfoque robusto. La literatura se ha basado casi exclusivamente en otra familia de algoritmos, los de optimización por enjambre de partículas.
Aportaciones del estudio
- Comprobó que la variante más popular del algoritmo supera a los métodos anteriores en estos escenarios.
- Propuso un nuevo criterio en la función objetivo para distinguir entre soluciones que sobreviven la misma cantidad de cambios de entorno.
- Identificó que la combinación de dinámicas caóticas con movimientos aleatorios y constantes en los puntos óptimos es una de las principales fuentes de dificultad para estos algoritmos.
Mediante un estudio algorítmico sobre funciones matemáticas de prueba, demostró empíricamente que la evolución diferencial es competitiva y viable, al superar tanto a los algoritmos de enjambre de partículas como a métodos de muestreo aleatorio en espacios de búsqueda dinámicos.
Retos y posibles aplicaciones
Entre los principales retos que enfrentó mencionó la calibración de los parámetros del algoritmo, proceso que en ocasiones le tomó varios días. Buena parte de las pruebas las realizó en una computadora con apenas 8 GB de memoria RAM, lo que sumó dificultad a la búsqueda de soluciones eficientes.
Sobre las posibles aplicaciones, señaló que el enfoque resulta útil en escenarios donde reconfigurar un sistema es costoso o lento, como en la industria y la manufactura, en máquinas con desgaste o averías que requieren configuraciones tolerantes a esos cambios sin detener la producción.
También lo ubicó en la economía y la logística, en contextos donde la situación financiera de un país o los costos de recursos de una empresa varían con el tiempo. El egresado aclaró que todavía no ha aplicado estas técnicas en el entorno laboral.
Su interés por este campo nació en la Maestría en Inteligencia Artificial, donde conoció los algoritmos bioinspirados, métodos que imitan procesos de la naturaleza, como la evolución biológica, para resolver problemas complejos.
Fuente original: Universidad Veracruzana