- José Yair Guzmán cursó el Doctorado en Inteligencia Artificial y en su tesis lo aplica a la optimización robusta sobre el tiempo
- En el nivel maestría del Instituto de Investigaciones en Inteligencia Artificial conoció los algoritmos bioinspirados, métodos que imitan procesos de la naturaleza, como la evolución biológica, para resolver problemas complejos
Paola Cortés Pérez
Fotos: Omar Portilla Palacios y cortesía José Yair Guzmán
Xalapa, Ver.- 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 conocido como evolución diferencial puede resolver con éxito problemas cuyas condiciones cambian todo el tiempo, al proponer no la solución perfecta en cada instante, sino una que se mantenga “suficientemente buena” pese a los cambios del entorno.
A este 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”.
El interés de Guzmán Gaspar 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.
Su experiencia profesional le mostró que los problemas reales rara vez son estáticos, pues las condiciones y los entornos cambian constantemente; de esa observación surgió su tesis, centrada en soluciones capaces de sobrevivir a esa incertidumbre, aunque aclaró que todavía no ha aplicado estas técnicas en el entorno laboral.
Explicó que los problemas de optimización dinámica son aquellos cuyas condiciones varían de manera constante en el tiempo; tradicionalmente se resuelven mediante el llamado seguimiento del óptimo, es decir, buscando la mejor solución cada vez que el entorno cambia.
Con respecto a su tesis, comentó que exploró un camino distinto: en vez de perseguir la solución perfecta una y otra vez, con los costos que eso implica, propuso encontrar una solución que, sin ser la óptima absoluta, se mantenga funcional a lo largo de diversos cambios en el ambiente, ese es el principio de la optimización robusta sobre el tiempo.
Para abordar este enfoque usó la evolución diferencial, un algoritmo reconocido por su buen desempeño en entornos dinámicos, pero estudiado hasta ahora solo bajo el seguimiento del óptimo, nunca bajo el enfoque robusto. Su tesis llenó este vacío, pues la literatura se ha basado casi exclusivamente en otra familia de algoritmos, los de optimización por enjambre de partículas.
Mediante un estudio algorítmico sobre funciones matemáticas de prueba, José Yair Guzmán demostró empíricamente que la evolución diferencial es competitiva y viable en estos problemas, al superar tanto a los algoritmos de enjambre de partículas como a métodos de muestreo aleatorio en espacios de búsqueda dinámicos.
Entre los principales retos que enfrentó mencionó la calibración de los parámetros del algoritmo, proceso que en ocasiones le tomó varios días, además de haber realizado buena parte de las pruebas en una computadora con apenas 8 GB de memoria RAM, lo que sumó dificultad a la búsqueda de soluciones eficientes.
Entre sus aportaciones, el egresado destacó la comprobación de que la variante más popular del algoritmo supera a los métodos anteriores en estos escenarios; la propuesta de un nuevo criterio en la función objetivo para distinguir entre soluciones que sobreviven la misma cantidad de cambios de entorno, y la identificación de 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, lo que abre líneas para futuras investigaciones.
Sobre las posibles aplicaciones de su investigación, señaló que este 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; en la economía y la logística, en contextos donde la situación financiera de un país o los costos de recursos de una empresa varían constantemente o por temporada; y en la administración de sistemas y servidores, por ejemplo en bases de datos o clústeres que enfrentan picos de carga sin necesidad de reiniciarse cada vez.
Tras concluir el doctorado y presentar su examen de grado, Guzmán Gaspar indicó que por ahora planea incorporarse a la industria, aunque no descarta continuar con esta línea de investigación, a la que calificó como un tema muy interesante.
Finalmente, recomendó a los jóvenes interesados en la inteligencia artificial la importancia de mantenerse en constante lectura.
“La investigación en IA requiere de mucho rigor y paciencia. Trabajar con algoritmos estocásticos significa que vas a tener que hacer decenas de ejecuciones independientes, lidiar con la sintonización fina de parámetros y aplicar pruebas estadísticas no paramétricas para validar que tus resultados realmente tienen valor científico y no son obra de la casualidad”, concluyó.
