Participa con tu nota. Contacto: daniela_ldl@ieee.org.ar

Mecanismos de resolución en AI

Resolviendo problemas de Optimización global con estrategias incrementales

En los problemas del mundo real existen factores que son complejos de establecer y evaluar. Por ello es necesario desarrollar estrategias más sofisticadas que permiten aprender y representar estas sutilezas. En principio el viejo dicho “divide y reinarás” aplica en este ámbito también.

Los problemas de optimización permiten cubrir una variedad de situaciones con características y estructuras distintas. Las técnicas más frecuentes consideran mecanismos de resolución donde el foco está en las entradas y salidas de una máquina tecnológica normalmente considerada como una caja negra. En estas circunstancias todas esas variables que son parte del problema pasan a ser una fuente de alimento para el trabajo interno y oscuro de ese mecanismo interno. En algunos casos las interacciones entre esas variables aportan información importante para el análisis minucioso de cómo es la respuesta óptima a cierto problema y por lo tanto aporta una solución mucho más efectiva que sus variantes de caja negra.

Estos aportes están en el área de los denominados Optimización Global a Gran Escala (nombre técnico del inglés Large-Scale Global Optimization, LSGO), donde la cantidad de factores a estudiar con realmente muchos y difícilmente manejables. Los especialistas han encontrado que para una respuesta efectiva es necesario descomponer los problemas LSGO en subproblemas y trabajar cada uno como una optimización por separado. En la actualidad se trabaja en mecanismos mejorados de descomposición ya que los científicos han encontrado que lejos de ser un problema la separación y optimización en paralelo, el punto de inflexión pasa por el proceso de disección donde se descompone el problema en otros más pequeños y la clave pasa por que el conjunto de subproblemas tengan la menor interdependencia. Entones la astucia corresponde ahora en esa división astuta.

Daniela López De Luise

Academia Nacional de Ciencias de Buenos Aires

Coordinadora Académica CETI

Publicación original en M. M. Komarnicki, M. W. Przewozniczek, H. Kwasnicka and K. Walkowiak, «Incremental Recursive Ranking Grouping for Large-Scale Global Optimization»

IEEE Transactions on Evolutionary Computation, vol. 27, no. 5, pp. 1498-1513, Oct. 2023

doi: 10.1109/TEVC.2022.3216968.