Computación evolutiva y algunas de sus aplicaciones en el mundo real

Dr. Carlos A. Coello Coello
Dr. Carlos A. Coello Coello

Dr. Carlos A. Coello Coello

Investigador del Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional (Cinvestav-IPN), e integrante de El Colegio Nacional.

Semblanza

Doctor en Ciencias de la Computación por la Universidad Tulane y nivel III del Sistema Nacional de Investigadoras e Investigadores. Varios de sus trabajos, que se inscriben en el diseño de algoritmos, se han utilizado para resolver problemas de la realidad práctica en países como Estados Unidos, Colombia, Chile y Cuba.

Pionero en el campo de la optimización evolutiva multiobjetivo, entre los premios que ha recibido están el IEEE Kiyo Tomiyasu Award, el Premio Nacional de Ciencias y Artes 2012, y The World Academy of Sciences (TWAS) Award. En 2023 ingresó a El Colegio Nacional.

Conferencia

Síntesis

La naturaleza es inspiración hasta para la computación evolutiva. El algoritmo de colonia de hormigas, por ejemplo, es una metaheurística inspirada en el comportamiento de insectos argentinos, según explicó el doctor Carlos Coello Coello, quien además describió los tres paradigmas principales de la computación evolutiva: la programación evolutiva, las estrategias evolutivas y los algoritmos genéticos.

Punteo

  • En la computación evolutiva, que es parte de la inteligencia artificial, se simula la evolución natural para resolver problemas complejos de optimización o clasificación.
  • Estas técnicas metaheurísticas se utilizan cuando ninguno de los métodos tradicionales de optimización puede resolver un problema dado. Su principal debilidad es su costo computacional.
  • En optimización, existen dos grandes familias de algoritmos: los que se basan en la derivada de la función, que usan el gradiente como su fuente de información, y los que no usan el gradiente, que son los de búsqueda directa.
  • Las metaheurísticas bioinspiradas (de búsqueda directa) son técnicas en las cuales las reglas que usan sus heurísticas se basan en algún comportamiento que existe en la naturaleza, como los cúmulos de partículas o las colonias de hormigas.
  • Los algoritmos evolutivos son estocásticos y están inspirados en el principio de supervivencia del más apto, de la teoría evolutiva de Charles Darwin.
  • Existen tres paradigmas principales dentro de la computación evolutiva: la programación evolutiva, las estrategias evolutivas y los algoritmos genéticos. La programación genética es muy popular; es una variante del algoritmo genético.
  • Un ejemplo de la aplicación de la computación evolutiva es el desarrollado por investigadores de la Universidad de Texas, en Austin: un algoritmo que ellos propusieron genera estrategias efectivas no farmacéuticas que contribuyen a contener pandemias como la del covid-19.
  • Otros ejemplos: el tren bala japonés, el Shinkansen, está optimizado con algoritmos genéticos; en Italia estudiaban la posibilidad de optimizar el sistema de suspensión de llantas de un auto Fórmula 1 mediante estas técnicas; la NASA y la Agencia Espacial Japonesa han probado estos algoritmos en sus proyectos.
  • Las metaheurísticas se utilizan más debido al mayor poder de cómputo disponible, lo que las ha vuelto más populares, pues son accesibles a las masas. Se experimenta no sólo en ingeniería, sino en química, en física, entre muchas otras áreas, pero su uso indiscriminado no se recomienda. En los próximos diez años se tendrán buenos algoritmos para dominios que son complementos de otras técnicas, como el learning.

Materiales de Interés

Metaheurísticas Bio-Inspiradas para Optimización: La Última Frontera

Charlas con Premios Nacionales 2021 Participa: Dr. Carlos A. Coello Coello