La solución está en el algoritmo

En nuestro día a día vivimos situaciones en las que la solución a un problema implica diferentes opciones, todas ellas factibles y en la mayor parte lógicas, pero no todas óptimas para conseguir los mejores resultados. Tradicionalmente dentro de una disciplina como las matemáticas, se ha buscado dar una respuesta a estas circunstancias a través de la heurística.

Esta disciplina, al contrario que las matemáticas exactas, no busca obtener el mejor de todos los resultados posibles, sino encontrar una solución adecuada en un tiempo razonable. El Grupo de Investigación de metaheurística de la Universidad de Burgos analiza la optimización heurística, el enfoque multi-objetivo y la minería de datos para conseguir una solución funcional, aunque sin garantizar que sea la más óptima. Estas técnicas no implican la exploración exhaustiva de todas las posibles soluciones, lo que podría resultar inabarcable, sino que se focalizan en las partes más prometedoras.

Como explica el profesor de la Universidad de Burgos, Joaquín Pacheco, miembro de este grupo de Investigación, esta disciplina es una evolución más ‘sofisticada’ de la heurística tradicional a través de algoritmos complejos y que se desarrolla para dar respuesta a problemas de la vida real que serían difíciles de solucionar de manera exacta.

El término metaheurística lo creó en los años setenta del pasado siglo el científico Fred Glover y ha ido evolucionando desde entonces con diferentes metodologías, siendo en los años 90 cuando más desarrollo tuvo y en estos momentos es uno de los pilares de las estrategias 4.0.

Desde hace algo más de 20 años el profesor Joaquín Pacheco trabaja en métodos metaheurísticos enfocados a diferentes líneas de actuación como es el diseño de rutas de transporte público o logística comercial, para lo cual han creado una aplicación informática específica; aplicaciones industriales para el equilibrado de líneas de producción o la optimización de turnos de trabajo; el diseño de herramientas 4.0 como Big Data, Machine Learning o Data Mining, entre otras; aplicaciones en el campo de la gestión empresarial y las finanzas con la optimización de carteras de negocio; en redes sociales para conseguir ampliar una red de contactos más rápidamente; así como aplicaciones médicas para la implementación de modelos para la detección temprana de patologías como el Alzheimer, la Esclerosis Múltiple, la Diabetes e incluso la diagnosis preventiva del Autismo, entre otros.

De hecho, en 2015 GRINBUMET fue la primera Unidad de Investigación Consolidada en el ámbito de las Ciencias Sociales Jurídicas y Económicas en Castilla y León. Como explica el profesor de la Universidad de Burgos, «pasar de una situación real a un modelo Informático-matemático, supone una cierta simplificación, pero se puede tratar con herramientas informáticas, estadísticas o matemáticas, para llevar la solución al mundo real». Así, es importante hacer un trabajo previo en el que se identifique el problema, los objetivos, las restricciones y luego, a través de planteamientos matemáticos, hallar las soluciones que son factibles y entre ellas, buscar las técnicas que sean mejores. Para ello, utilizan «estrategias que te dicen cómo tienes que hacer algoritmos para solucionar problemas. Es como un protocolo de actuación. Cuando hay diferentes formas de actuar, identificar cómo abordarlo».

Como destaca Joaquín Pacheco, hay principalmente dos razones por las que utilizar métodos metaheurísticos. En primer lugar, hay problemas que pueden ser fáciles de entender conceptualmente, pero difíciles de resolver. «Ahí entran los problemas NP-Hard que requieren un tiempo de cálculo exponencial». La segunda razón tiene que ver con los datos iniciales pueden ser vagos o inexactos, o que «la modelización del problema no puede abarcar todos los aspectos de la realidad», en estos casos no tiene sentido esforzarse en hallar el óptimo.

Para conseguir resolver los problemas que se plantean, las heurísticas tradicionales parten de una solución inicial y con pequeños cambios pueden llegar a una solución mejor que sería el resultado final. Los metaheurísticos parten de ese resultado final y lo modifican de manera controlada, permitiendo movimientos a soluciones peores, pero que posteriormente nos permiten llegar a otra solución que puede ser todavía mejor a la que se daba por buena en un primer momento e incluso hasta encontrar el óptimo.

«Para dirigir esta búsqueda razonable hay diferentes estrategias y una de ellas es la Búsqueda Tabú que es la que más utilizamos», destaca el profesor Joaquín Pacheco que además añade, «esta metodología no se queda con el primer óptimo local que aparece a partir de soluciones vecinas, que son aquellas que se producen introduciendo pequeños cambios. Aprovechas la solución que tienes antes y te aseguras que es factible el cambio y que además es fácil de chequear. La búsqueda tabú te dice que sigas buscando la mejor solución, sin que el algoritmo cicle, aunque en el camino tengas que empeorar. Para ello, no se puede dejar volver a la situación anterior, por lo menos en las siguientes iteraciones, para evitar ese movimiento hacia atrás, con lo que algunas opciones se declaran tabú hasta que no se avance. Es una idea muy sencilla, pero funciona muy bien». De hecho, la revista European Journal of Operational Research acaba de aceptar un artículo donde el grupo de la UBU aplica esta metodología en un proceso industrial mediante un proceso de grafos.

«Es un problema real que se basa en un modelo de grafos que no se ha tratado en la literatura desde hace muchos años y nosotros hemos diseñado un método de solución».

En estos momentos este equipo de investigación tiene diferentes líneas de trabajo en colaboración con empresas de diferentes sectores, como en el ámbito de la industria metalúrgica donde buscan mejorar el almacenamiento y transporte de materiales teniendo en cuenta su peso, calidad y medidas.

Además, recientemente han finalizado un proyecto con una empresa alimentaria para optimizar sus líneas de producción. En este caso han llegado a un modelo que les ha permitido ahorrar 20 horas semanales en los tiempos de elaboración, con lo que tienen capacidad para producir más y, por lo tanto, supone un beneficio real para la compañía.