webislam

Miercoles 20 Noviembre 2019 | Al-Arbia 22 Rabi al-Auwal 1441
1485 usuarios en linea | Español · English · عربي

WebIslam.com

» Artículos

?=0

Optimización de soluciones inteligentes de la naturaleza en especies no inteligentes

La naturaleza se encuentra al servicio de los seres humanos como generadora de alimentos, como refugio y fuente de vida

14/11/2014 - Autor: Ahmet Bahadir - Fuente: Revista Cascada
  • 0me gusta o estoy de acuerdo
  • Compartir en meneame
  • Compartir en facebook
  • Descargar PDF
  • Imprimir
  • Envia a un amigo
  • Estadisticas de la publicación


Las abejas comparten información mediante danzas.

Durante los últimos años, los algoritmos inspirados en la naturaleza han cobrado una enorme popularidad, debido a la creciente magnitud, complejidad y dinamismo de los numerosos problemas de optimización del mundo real. En la actualidad, la envergadura y complejidad de dichos problemas requiere el desarrollo de métodos y soluciones cuya eficacia se valora por su capacidad de obtener resultados aceptables dentro de un plazo de tiempo razonable, y no por su capacidad de garantizar la solución óptima.

En nuestra vida nos topamos con numerosos retos, pero nuestra inteligencia nos permite hallar soluciones para la mayoría de ellos. Conducimos del trabajo a casa e intentamos encontrar el mejor itinerario posible, teniendo en cuenta el tráfico, el coste y el tiempo que necesitamos para llegar a nuestro destino. Al comprar un coche, tenemos en cuenta el precio, el consumo de combustible, el mantenimiento y el servicio posventa, antes de optar por la mejor alternativa. Una compañía aérea asigna sus pilotos a los distintos vuelos teniendo en cuenta las limitaciones del horario laboral y el programa de mantenimiento de las aeronaves. Toda compañía dispone de un presupuesto limitado y de numerosas alternativas de proyectos, los cuales implican unos gastos y unos ingresos, y así, la compañía trata de elegir los proyectos más adecuados, que a su vez le permitan aumentar sus ingresos. En cada uno de estos casos se busca la solución óptima. Las dificultades pueden formularse como un problema matemático en el que existe una función que es el objetivo, unas variables de decisión y ciertas restricciones. El objetivo corresponde al máximo ingreso, las variables de decisión son los diversos proyectos y la restricción estriba en el límite del presupuesto de la compañía. Sin embargo, en la práctica, la mayoría de estos problemas teóricos son más complicados y requieren métodos especiales para la búsqueda de soluciones.

Una vez formulado el problema, el siguiente paso consiste en emplear el método apropiado para encontrar la solución óptima. Buscar la mejor solución es como buscar un tesoro en la cima de una montaña o bajo tierra disponiendo de un tiempo limitado. Si no existe ningún indicio de la ubicación ni nada que nos guíe hacia la dirección correcta, la búsqueda será inútil y constituirá una pérdida de tiempo. En otras palabras, esto significa que simplemente confiamos en encontrar la mejor solución y seguimos cavando, lo que, evidentemente, no resulta ser un método eficaz. En ocasiones, se nos proporciona información útil de la ubicación del tesoro y, directamente, escalamos la montaña para llegar hasta él. La mayoría de los casos oscilan entre estas dos estrategias. Podemos mirar en algunos lugares de forma aleatoria y buscar las posibles pistas que nos pueden llevar al tesoro y, a continuación, trasladarnos a otro lugar y continuar así hasta tirar la toalla o encontrar el tesoro. Otro método útil consistiría en buscar el tesoro con un grupo de personas, en el que cada una elige una ruta aleatoria y comparte la información acerca de sus experiencias con las demás hasta llegar al tesoro 1. Estos métodos de búsqueda se denominan de ensayo y error.

Las personas hacen uso de su inteligencia y de sus instintos cuando tratan de encontrar la solución a un problema. Tendemos a elegir las direcciones que nos ocupan menos tiempo al conducir de vuelta a casa. Los niños aprenden mediante métodos de ensayo y error, y nos inclinamos a resolver los problemas de la vida cotidiana mediante el mismo tipo de método. Las soluciones que se basan en estrategias de ensayo y error se denominan heurísticas. Los métodos heurísticos pueden hallar una buena solución a un problema complicado en un período de tiempo razonable, pero no existe garantía de que la solución sea la más acertada. Estos métodos son preferibles cuando no es necesaria la mejor solución y únicamente se desea una que sea aceptable, en un breve espacio de tiempo. Con objeto de resolver problemas complejos a gran escala, se han creado algunas simulaciones y programas informáticos mediante el uso de la heurística.

Los mejores diseños, soluciones, inspiraciones y mecanismos de ingeniería que se encuentran fuera del alcance de la tecnología actual están presentes profusamente en la naturaleza. Los científicos visualizan y simulan la conducta de los animales en la naturaleza y aplican sus estrategias para solucionar problemas. Dichas estrategias proporcionan exitosos métodos heurísticos.

Las hormigas nos enseñan a encontrar el camino adecuado

El comportamiento de las hormigas ofrece un buen método para resolver complejos problemas mediante gráficos. Una hormiga abandona el hormiguero y elige de forma aleatoria una ruta para buscar alimento y, si lo encuentra, vuelve a la colonia dejando rastros, en su camino de vuelta, de una sustancia química denominada «feromona». Cuando otra hormiga se topa con esta sustancia química, sigue la misma ruta para llegar al alimento, hasta que más hormigas se unen, haciendo que la ruta resulte aún más atractiva. Si el camino es largo y poco atractivo, la feromona se evapora y la ruta pierde su poder de atracción, ya que no se usa a menudo; sin embargo, cuando se utiliza con mayor frecuencia, resulta más atractiva para las hormigas, ya que cada una de ellas va depositando su rastro de feromona sobre los demás 2. El camino más atractivo es el más corto y óptimo, dado que lo recorren numerosas hormigas, haciendo que la sustancia química sea más densa y se mantenga fresca en todo momento.

Es necesario encontrar el camino más corto para hallar la solución óptima de un problema complejo. Para analizar todas las posibles rutas y encontrar la más corta se utiliza un gráfico. El tema del viajante es un popular ejemplo de este problema. Existen numerosas combinaciones posibles de la solución óptima, y el tiempo de computación requerido se convierte en exponencial a medida que aumenta la magnitud del problema. Por otro lado, la optimización de la colonia de hormigas puede ofrecer buenas soluciones en un espacio de tiempo muy breve.

El algoritmo de búsqueda funciona de forma que cada hormiga elige de manera aleatoria un camino en el espacio de búsqueda y, a continuación, se registra la longitud de los caminos (valor de la función objetivo). El programador de la solución asigna las hormigas de manera arbitraria al espacio de búsqueda y permite que seleccionen un trayecto. Este proceso de búsqueda se repite numerosas veces, y el camino que se habrá elegido será, con mayor frecuencia, el mejor y el más corto, y de ahí que se prefiera como una buena solución. Dicha solución se considera la mejor para un problema a gran escala.

Conductas sociales de las bandadas de pájaros y los bancos de peces

Tomar como modelo la conducta social de los animales en sus hábitats naturales nos muestra una manera de llegar a una solución adecuada. Las abejas, las termitas, las hormigas, los pájaros, los peces y las avispas son buenos ejemplos de animales con un estilo de vida social y cooperativo. Estos animales trabajan conjuntamente en un entorno social, e interactúan entre sí para perpetuar su vida y proveerse de las necesidades básicas de alimento. A menudo, el alimento se produce lejos de donde se encuentran y deben encontrar una pista que los lleve hacia él, aún sin conocer su ubicación exacta. Los caminos físicos y las estrategias mentales que emplea cada animal para encontrar una solución a sus problemas —lo que equivale en cierta forma a crear un algoritmo para encontrar el camino correcto hacia el alimento— son lo suficientemente importantes como para requerir una investigación más exhaustiva.

Los diseñadores de algoritmos han tomado como ejemplo las estrategias de estas especies y han descubierto que pueden ser empleadas a fin de encontrar una solución óptima para un determinado problema3. Si se tiene en cuenta un grupo de pájaros, la información de cada pájaro de la bandada equivale a la solución que se ha obtenido hasta ese momento, y el lugar conocido en el que es más probable encontrar alimento equivale a la mejor solución. Dicha información se distribuye entre la bandada, y así, otros pájaros se trasladan al lugar para enfocar su mirada en la zona. El movimiento de un lugar a otro de cada pájaro representa el desarrollo de una solución al problema de optimización, pero lo más importante es la colaboración de cada miembro del grupo, ya se trate de un pájaro o de un pez.

En una bandada, cada pájaro actúa como un agente que trata de lograr un objetivo común, mientras coopera con el resto de los miembros sin entrar en conflicto. Cada miembro se rige por las normas locales, y las interacciones entre los agentes conducen a la bandada a su objetivo global. Como ya se ha mencionado anteriormente, dicho objetivo puede ser encontrar comida o construir un refugio. La conducta de estos agentes demuestra la existencia de una comunidad social auto-organizada, sin formación ni experiencia, dado que no existe ningún tipo de control central en el sistema. Cada miembro de la bandada se mueve obedeciendo las directrices de alguna autoridad o de acuerdo con algún plan, coordinando sus movimientos en función de los de sus compañeros más cercanos, y sin alejarse demasiado de la bandada para no perderse, lo que evita además colisiones, en el caso de que vuelen muy cerca unos de otros. Este fenómeno se denomina «separación», y el hecho de que cada agente siga la dirección de su grupo recibe el nombre de «alineación». Dado que no existe ningún líder que dé las órdenes, el movimiento de toda la bandada es resultado de la colaboración. Los pájaros tienen plena libertad para moverse dentro de la bandada, y al haber más ojos solidarios en busca de comida, éstos son utilizados en beneficio del grupo. Resulta interesante observar cómo un banco de peces muestra una conducta organizada similar. Cualquiera podría pensar que el movimiento de estos grupos ha sido planeado previamente, pero en realidad no es así.

Mediante el uso de fórmulas matemáticas, se han realizado animaciones por ordenador del movimiento de bancos de peces y de bandadas de pájaros. La bandada inicia el movimiento desde su posición X0. Imaginemos que f(x) es el problema que debe ser maximizado, es decir, nos gustaría encontrar una solución X que maximice f(x). La función corresponde a la mejor ubicación en la que hay alimento en abundancia para la bandada. La bandada avanza desde X0 a X1, a continuación, a X2 y termina en Xn que es el último destino durante la búsqueda. Cada uno de los puntos representa una posible ubicación de alimento, y la mejor se presenta de la siguiente forma:
Este es el lugar en el que abunda el alimento y en el que se concentra la bandada. Si ésta se mueve desde Xn-1 a Xn, según el vector de velocidad proporcionado,
deberemos observar que la nueva ubicación viene determinada por la inercia, la experiencia individual y la influencia social. Más tarde, si encuentran alimento, todos los miembros se beneficiarán del resultado.

Una colonia artificial de abejas nos ofrece otro de los métodos empleados en los problemas de optimización. Cada abeja va en busca de alimento y vuelve a la colmena con un poco de néctar4; más tarde, comienza a danzar en la colmena indicando la cantidad de néctar que ha encontrado en su respectiva dirección, y el resto elige una de estas direcciones en función de las danzas de las abejas que han regresado, y vuelven también a la colmena con algo de néctar. La cantidad de néctar se analiza y las fuentes de alimento abandonadas son sustituidas por las que tienen más alimento. La cantidad de alimento corresponde al objetivo del problema de optimización que se quiere maximizar y el número de abejas que vuelven con néctar se corresponde con el de las soluciones al problema. Debido a que las abejas comparten información mediante danzas, la ubicación que dispone de la mayor cantidad de alimento es considerada como la solución óptima para el problema.

Los algoritmos de los murciélagos, de las luciérnagas, de los bancos de camarones, además del de las gotas de agua inteligentes, constituyen también importantes métodos que se inspiran en la naturaleza. Cabe mencionar que se están estudiando nuevos métodos con la esperanza de que puedan ser utilizados en un futuro cercano, los cuales imitan las conductas y estrategias usadas en la naturaleza, y aplicados a resolver problemas matemáticos en la vida real.

La naturaleza como recurso para la humanidad

La naturaleza se encuentra al servicio de los seres humanos como generadora de alimentos, como refugio y fuente de vida, gracias al oxígeno y al agua, pero ahora más que nunca los seres humanos somos conscientes de que ésta también ofrece soluciones a nuestros problemas. La biomimética, una ciencia de desarrollo reciente, analiza los sistemas, los procesos, los modelos y materiales de las criaturas de la naturaleza con objeto de desarrollar métodos que sirvan para solucionar los problemas del mundo real. La Universidad británica de Bath ha creado una base de datos que incluye los sistemas de ingeniería de dichas criaturas y, cuando se desarrolla una solución, un material o maquinaria nuevos, los científicos se benefician de esta base de datos, estimándose que tan sólo utilizamos un 10% del potencial de la naturaleza. Los métodos heurísticos que se analizan en este artículo constituyen sólo algunos de los algoritmos de los que disponemos.

¿Cómo pueden los animales mostrar tal grado de conocimiento a la hora de encontrar métodos y soluciones? ¿Los desarrollan por sí mismos? ¿Son capaces de compartir información entre sí de manera consciente a fin de alcanzar resultados óptimos, o nacen ya con esas habilidades? La naturaleza nos muestra un sinfín de fenómenos sorprendentes para que reflexionemos acerca de la totalidad de modelos y sistemas que proporcionan soluciones a muchos de nuestros problemas.

En otras palabras, los seres humanos inteligentes se benefician de las estrategias empleadas por especies no inteligentes, lo que quiere decir que existe una inteligencia global subyacente que se encuentra fuera del alcance de la capacidad humana.

Notas
1. Yang, Xin-She. 2010. Nature-inspired Metaheuristics Algorithms, Luniver Press, Segunda edición, GB.
2. Dorigo, Marco, Thomas Stutzle. 2004. Ant Colony Optimization, MIT Press.
3. Reynolds, Craig. 1987. «Flocks, Herds, and Schools: A Distributed Behavioral Model», Computer Graphics, Vol. 21(4), julio.
4. Karaboga, D., B. Basturk. 2007. «A Powerful and Efficient Algorithm for Numerical Function Optimization: Artificial Bee Colony (ABC) Algorithm», Journal of Global Optimization, Vol. 39 (3), pág. 459-171, noviembre.

Anuncios
Relacionados

Microcosmos (3)

Vídeos - 02/03/2009

La sexta extinción

Artículos - 08/07/2007

El mensaje de los sueños

Artículos - 08/11/2010



Escribir comentario

Debes iniciar sesión para escribir comentarios.

Si no estás registrado puedes registrarte en un minuto.

  • Esta es la opinión de los internautas, no de Webislam
  • No están permitidos comentarios discriminatorios, injuriantes o contrarios a la ley
  • Céntrate en el tema, escribe correctamente y no escribas todo en mayúsculas
  • Eliminaremos los comentarios fuera de tema, inapropiados o ilegibles

play
play
play
play
Colabora


 

Junta Islámica - Avda. Trassierra, 52 - 14011 - Córdoba - España - Teléfono: (+34) 957 634 071

 

Junta Islámica
https://www.webislam.co/articulos/96465-optimizacion_de_soluciones_inteligentes_de_la_naturaleza_en_especies_no_intelige.html