Octavio Ramos Figueroa, estudiante del Doctorado en Inteligencia Artificial,adscrito al Centro de Investigación en Inteligencia Artificial (CIIA) de la Universidad Veracruzana (UV), publicó el artículo “Metaheurística para resolver problemas de agrupación: una revisión y un estudio de caso”, en la revista Swarm and Evolutionary Computation, de la editorial Elsevier, con alto impacto a nivel internacional.

Este trabajo, realizado con Marcela Quiroz Castellanos y Efrén Mezura Montes, ambos investigadores del CIIA; así como con Oliver Schütze, docente del Centro de Investigación y de Estudios Avanzados (Cinvestav) del Instituto Politécnico Nacional (IPN), forma parte de su proyecto de tesis “Estrategias heurísticas eficientes para el problema de programación de máquinas paralelas no relacionadas”.

Octavio cursa el sexto semestre de este posgrado y es egresado de la carrera de Ingeniería en Tecnologías de la Información y Comunicaciones, del Instituto Tecnológico de Tepic (Tecnm), en Nayarit, de donde es originario.

El universitario expresó su satisfacción por la publicación del artículo y por dedicarse al estudio de la inteligencia artificial, área que ha cambiado su forma de percibir las cosas y dentro de la cual espera seguir generando conocimiento.

Recordó que fue gracias al programa de Veranos Científicos de Investigación que pudo realizar una estancia en la Facultad de Estadística e Informática (FEI) de la UV, región Xalapa. Fue ahí donde supo que la máxima casa de estudios de Veracruz tenía un centro enfocado en el estudio y desarrollo de la IA, considerado como uno de los más sobresalientes del país.

Con relación a su estudio, explicó que los problemas de agrupación del tipo de optimización combinatoria han adquirido gran relevancia en la actualidad, debido a sus numerosas aplicaciones.

El proceso de solución para algunos problemas de agrupación es altamente complejo y aún no existe un algoritmo para encontrar la mejor solución.

La primera parte de su artículo es una revisión de la literatura especializada en problemas de optimización combinatoria, y un caso de estudio en el que se validaron algunas conclusiones interesantes.

Asimismo, se presentaron tres algoritmos y resultados experimentales. Reiteró que se trata de problemas aplicados a situaciones reales, sobre todo del rubro industrial, que pueden ser resueltos con técnicas de IA.

El artículo también muestra una lista de problemas prácticos o reales, y se analiza cómo los han resuelto y cuáles son los métodos que han dado mejores resultados. Algunos de ellos son de planificación y corte.

Un ejemplo es el de una empresa dedicada a la fabricación de muebles. El detalle está en la planificación para dibujar y cortar las piezas de madera, a fin de minimizar el desperdicio de material.

Otro ejemplo es la generación y organización de los horarios de clase en las universidades, de acuerdo al número de docentes, grupos, aulas y materias que se imparten.

Después de esta etapa, se tomó un caso de estudio que se concentra en una problemática particular, denominado “Programación de máquinas paralelas no relacionadas”, para el cual se probaron tres técnicas con base en su comportamiento y optimización.

Al respecto, dijo que las industrias normalmente cuentan con maquinaria que en conjunto deben desarrollar ciertas tareas para generar un producto.

En virtud de lo anterior, se busca asignar tareas a cada máquina, de modo que puedan procesar tan rápido como sea posible para lograr el objetivo final.

“Se puede dar el caso de que una lo haga y otra no, no se puede identificar un patrón porque no están relacionadas y esto agrega complejidad al problema.”

Para su solución, se desarrolló un algoritmo genético o técnica de IA, inspirada en la evolución biológica y en el principio de selección natural. En general, trata de emular cómo han evolucionado las especies para adaptarse al medio y sobrevivir.

“Ahora los individuos son soluciones al problema, se combinaron las características de dos soluciones y a partir de ahí se generó una nueva.”

Otro algoritmo es de inteligencia colectiva u optimización por cúmulo de partículas, el cual, para simular un comportamiento, se inspira en el vuelo de las aves donde siempre hay una que dirige la parvada.

Con relación a este logro, agregó: “Me siento motivado para seguir escribiendo, he hecho varios artículos y capítulos de libros, y actualmente tenemos varios proyectos en puerta”.

Por su parte, Marcela Quiroz destacó el esfuerzo realizado para elaborar el artículo y someterlo a revisión en una revista como Swarm and Evolutionary Computation, con un factor de impacto de 6.330.

Por último, resaltó que dicho esfuerzo valió la pena, pues implicó la lectura de muchos libros y artículos, la consideración de un tercer algoritmo y la prueba de una tercera técnica de inteligencia colectiva, tras la primera revisión por parte de los evaluadores de la revista.

UV/ Claudia Peralta