Por Carolina Goischke

El Dr. Ángel Kuri, profesor del Departamento Académico de Computación, compartió sus proyectos y las aplicaciones de su más reciente investigación sobre algoritmos genéticos, la cual lo hizo acreedor al 2° premio al mejor trabajo en el congreso internacional MICAI 2013. Esta investigación destacó por sobre 284 trabajos de 678 autores de 48 países, y abarcó la resolución de más de 70,000 problemas para analizar el comportamiento de los algoritmos.

C.G.: ¿En qué consiste su investigación galardonada?

A.K.: “Me dedico desde hace años a trabajar con algoritmos genéticos, un tipo de programas que sirven para hacer optimización de problemas de ingeniería. Los problemas de optimización son fundamentales. Por ejemplo, si quieres construir un edificio quieres que la estructura sea lo más resistente posible a temblores y que sea lo más barato posible construirlo. Este tipo de problemas normalmente requieren de una solución por medio de ecuaciones, mismas que a veces son complicadas. Otro ejemplo donde se usan mucho esos algoritmos es en la investigación de operaciones. Supón que eres pan Bimbo, quieres distribuir tus productos a toda la república y tienes diferentes centros de distribución, entonces ¿cuántos productos y cuáles debo poner dónde para que el costo de distribución sea mínimo y las utilidades máximas? A los algoritmos genéticos les llamas así porque se representan las soluciones de los problemas en dígitos binarios y se supone que estos dígitos binarios son los genes de la solución del problema. Entonces se simula lo que hace una población viva, se toman muchas posibles soluciones y se empiezan a intercambiar los genes (los bits) y a través de un mecanismo logras ir combinando esos códigos de tal manera que encuentres el código óptimo, aquel que corresponde con la mejor solución del problema que estás buscando.

Me he dedicado a esto desde hace muchos años. He escrito un par de libros de algoritmos genéticos. Hay muchos tipos de algoritmos genéticos, digamos no hay una sola forma de resolver un problema. Este tipo de algoritmos no necesariamente van a encontrar el óptimo optimorum; mientras más eficiente sea el algoritmo más te acercas a ese óptimo optimorum.

Hace un par de años un estudiante (al que le estoy dirigiendo su tesis doctoral) estaba utilizando un algoritmo para hacer un sistema de clasificación. Le dije que para que el método valga la pena necesita demostrar que el algoritmo que está usando es el mejor. Como son demasiado complejos para que puedan analizarse matemáticamente con una fórmula se hace un estudio estadístico. Escogimos cinco distintas variantes e hicimos una serie de corridas para analizar ver cómo se iban comportando estos algoritmos. Había que generar problemas: resolvimos más de 70 000 problemas y toda la información se vertió en un documento, cuando les mandamos la publicación les llamó la atención, y se les hizo muy interesante que alguien haya demostrado cual es el mejor algoritmo. El trabajo que desarrollamos fue un trabajo muy extenso, tomó un año, y como era tan extenso lo partí en dos.

MICAI es un congreso que se ha llevado a diferentes partes del país, porque trata de promover la ciencia en todo México. Es un congreso mexicano que se hace una vez al año, donde participan varios países. Se hace un arbitraje muy extenso y se califican todos los trabajos recibidos cuando menos tres veces. Se trata de que sea lo más subjetivo posible. Es un reconocimiento, y los árbitros consideran que es algo interesante para la comunidad, y es una comunidad mundial.”

C.G.: ¿Cuáles son las aplicaciones de los algoritmos genéticos?

A.K.: “Tienen aplicación en todas las áreas. Cuando estos algoritmos se inventaron se diseñaron para construir el oleoducto que llevaría petróleo de Alaska a EE.UU.; se tenía que diseñar una tubería que aguantara todos los climas con el menor costo posible y con la mayor facilidad de instalación posible. Se puede también aplicar a la medicina, para analizar por qué la gente se enferma, y se hace análisis de redes metabólicas. Se analiza la secuencia de red proteica de una persona sana y la de una persona enferma; esto se puede utilizar para prevenir enfermedades. Estos son sólo algunos de los ejemplos más apantallantes.”

C.G.: ¿Se está dedicando a otras investigaciones actualmente?

A.K.: “Estoy dirigiendo una tesis doctoral en robótica, y trata de identificar la posición de un robot en un entorno, que es un problema muy complejo. También estoy trabajando en un artículo que voy a mandar a un congreso en Canadá, trata de cómo, a partir de una colección de datos, encontrar la expresión matemática que exprese esos datos. En todos estos casos estoy utilizando métodos de optimización y utilizando en algoritmo qué demostré en el trabajo.”