FRANCESCO RODELLA | Tungsteno
Miles de conductores se enfrentan a diario a su dosis de atascos y largos minutos de espera frente a los semáforos de todas ciudades del mundo. Una situación que genera no solo contaminación, sino también altos niveles de estrés que repercuten en la salud de los ciudadanos. Pero reducir estos inconvenientes no es fácil: requiere considerar múltiples factores que van desde la densidad del tráfico hasta la frecuencia de las señales luminosas. Una posible solución la ofrecen los algoritmos que toman como modelo la evolución de los seres vivos. Son capaces de reproducir un proceso selectivo en busca de una resolución óptima para el problema que se les presenta. Este tipo de computación que ya se aplica en múltiples ámbitos que van desde el reparto de productos hasta los mercados financieros.
Un ejemplo de cómo estos algoritmos pueden ayudar a resolver el quebradero de cabeza del tráfico urbano es el que propone un equipo de investigadores de la Universidad de Málaga, liderado por el catedrático Enrique Alba. Este grupo ha diseñado un sistema para optimizar la red de semáforos de esa ciudad andaluza y la de París, con la perspectiva de que sea aplicable a otras urbes de más de 200.000 habitantes. Para ello aplican algoritmos definidos celulares, inspirados en los mecanismos de la genética. El resultado permite mejorar el flujo del tráfico y reducir la contaminación sin necesidad de infraestructura adicional y costes extras, aunque sí teniendo en cuenta múltiples parámetros.
Aplicando los algoritmos bioinspirados a la regulación del tráfico, se puede optimizar la red de semáforos estableciendo la frecuencia más óptima. Crédito: Wikimedia Commons.
Biología para resolver ecuaciones
¿Por qué es necesario recurrir a la biología? ¿Cómo nos puede ayudar este modelo? Alba explica que los algoritmos evolutivos se basan en procesos iterativos: "Repiten una serie de pasos y en cada uno de ellos van buscando una solución mejor que la que tenían en el paso anterior hasta que se quede la más apta, en un desenlace que recuerda la teoría de Charles Darwin sobre la evolución de las especies". Para Laura Núñez, profesora de la IE Business School, "pueden ser exitosos en particular, cuando la dimensión del problema es grande y no es factible analizar las posibles soluciones una por una". En esos casos, mantiene, estas técnicas encuentran resultados muy buenos en poco tiempo.
A partir de las variables iniciales del problema estudiado, un algoritmo genético desarrolla de forma aleatoria una primera generación o población de soluciones tentativas, describen los dos expertos. Al tener incorporada una función que le permite clasificar la calidad de cada solución según los objetivos finales de quien lo diseñe (por ejemplo, reducir a la vez frecuencia de las paradas en los semáforos, tiempos de esperas y contaminación), el programa evaluará cuáles de entre ellas se ajustan más a los criterios establecidos.
El algoritmo podrá así reproducir nuevas generaciones de soluciones de acuerdo con esta selección basada en la calidad, pero también aplicando otros mecanismos propios de la genética, como el cruzamiento y la mutación, que permiten ampliar la variedad de opciones y tener más posibilidades de que se genere una óptima. “En la siguiente generación tiene que haber el mismo número de cadenas [soluciones], lo que pasa es que habrán cambiado. Unas se habrán cruzado, otras habrán mutado, y otras permanecerán idénticas a las que había previamente”, explica Núñez. La idea, agrega la experta, es que a lo largo de las generaciones se atribuya un factor de reproducción más alto a las soluciones que mejor cumplan con las necesidades iniciales. Al final, las menos aptas quedarán descartadas, mientras que la que más se acerque al resultado ideal triunfará.
Los algoritmos evolutivos, aplicados al mercado financiero, permiten establecer las estrategias que den la mayor rentabilidad con el menor riesgo. Crédito: Wikimedia Commons.
De las ‘smart cities’ a los despachos de abogados
La aplicación de algoritmos evolutivos no es un escenario de ciencia ficción sino que ya está presente en muchas situaciones reales, según los expertos consultados. “¿Podemos aplicarlos a la industria 4.0, a la smart city, a la bioinformática, a los problemas de la economía, a sugerirle a un abogado lo que hacer, a traducir de un idioma a otro, a la seguridad en los aeropuertos o a organizar un puerto con barcos? La respuesta a todo ello es sí”, afirma Alba. Estos ejemplos representan soluciones que ya existen, según señala el profesor, aunque recuerda que para desarrollarlos e implementarlos correctamente hay que ser especialistas en muchos dominios, que incluyen programación, teoría matemática y estadística.
Laura Núñez explica que ella, por ejemplo, los ha utilizado en el ámbito financiero. En ese caso, señala, lo que se suele buscar es la estrategia que dé la mayor rentabilidad con el menor riesgo. De ahí que, una vez que esos dos parámetros están determinados, se pueda diseñar el sistema de manera que aquellas estrategias que den mayor rentabilidad y menor riesgo se vayan a reproducir más. “Se cruzarán con otras estrategias, mutarán y, al final, tendrás un conjunto de muy buenas estrategias”, apunta Núñez. Las soluciones generadas, concluye, pueden sugerir pistas sobre cuándo comprar y cuándo vender.
En España, el campo de los algoritmos bioinspirados empezó a desarrollarse a principio de los noventa, asegura Alba. En esa época, cuenta, muy pocos trabajaban con este tipo de computación. Las cosas cambiaron en la década siguiente. “Recuerdo a personas, investigadores y empresas muy reticentes en el 1990 que, a partir del 2000, han generado negocios que no pueden vivir sin ese tipo de algoritmos”, remarca el catedrático
· — —
Tungsteno es un laboratorio periodístico que explora la esencia de la innovación. Ideado por Materia Publicaciones Científicas para el blog de Sacyr.
