Icono del sitio Noticias.info

Grupos de insectos originaron al algoritmo bio-inspirado para modelos de optimización

La cooperación en los grupos de insectos lleva a la especialización de tareas

Algoritmos bio-inspirados: modela el comportamiento de grupos de insectos

Estudios sobre colonias o grupos de insectos; en los cuales los sistemas cooperativos más complejos conducen a una auto organización, para llevar a cabo las actividades dentro de un ecosistema.

La cooperación en los grupos de insectos lleva a la especialización de tareas

Las colonias o grupos de insectos como hormigas, arañas sociales, enjambres de abejas; son grupos cooperativos que poseen mayores capacidades de manipulación y exploración de su entorno. A la vez que son capaces de defender las crías y los recursos de la comunidad y lograr la especialización de tareas entre sus miembros.

Los científicos se han visto atraídos por esta forma de desarrollo de los sistemas cooperativos de insectos. Los entomólogos han realizado estudios sobre estos comportamientos para desarrollar modelos de ecosistemas biológicos.

Por otro lado, los ingenieros han llegado a aplicar estas características para resolver problemas complejos reales como la optimización.

Un grupo de insectos trabaja como una unidad integrada, que no solamente tiene la capacidad de operación de forma distribuida, sino que además puede llevar a cabo una gran construcción de procesos globales.

El orden global en este tipo de insectos, se puede originar como consecuencia de interacciones internas entre sus individuos.

Algoritmos bio-inspirados: modela el comportamiento de grupos de insectos

Con el objetivo de llegar a estrategias de optimización, fueron creados los algoritmos bio-inspirados, los cuales pertenecen a un campo de investigación donde se reproduce el comportamiento colectivo de colonias de insectos.

La optimización consiste en conseguir la mejor solución entre varias alternativas. Así, los algoritmos bio-inspirados se refieren a cualquier gestión de diseñar estrategias o métodos de búsqueda copiados del comportamiento colectivo de grupos de insectos o de otras comunidades de animales.

La clave en estos algoritmos son los operadores que llevan a la autoorganización y a la división de las tareas a ejecutar. En este tipo de sistemas, cada miembro responde a los estímulos directos de manera individual. Pero también pueden responder en grupo para hacer una tarea global.

Por medio de esta separación de trabajos, se previene la supervisión centralizada. Y de esa forma, todo el sistema se adapta de forma eficiente a los cambios que puedan ocurrir en el ambiente.

Los algoritmos bio-inspirados buscan resolver un problema de optimización

Un algoritmo bio-inspirado aplica una estrategia para la búsqueda de la solución de un problema de optimización, representado por medio de una función de costo o de objetivo. En primer lugar, estos algoritmos generan un conjunto inicial de n alternativas, X={x1,…,xn}.

Sin tener ningún conocimiento sobre el problema a resolver, las soluciones son generadas de forma aleatoria, con solamente la restricción de que puedan quedar definidas en el campo de búsqueda establecido por las alternativas de decisión del problema de optimización que se pretende resolver.

Las 3 operaciones básicas en los algoritmos bio-inspirados

Una vez producido este grupo inicial de soluciones, un algoritmo bio-inspirado hace la combinación de 3 operaciones básicas: A) las reglas determinísticas. B) que exista aleatoriedad. Y, por último, C) Almacenamiento.

Las llamadas reglas determinísticas, generalmente se trata de imitaciones de procesos biológicos que se dan en la naturaleza en colonias de insectos o en otros grupos de animales. Del diseño del algoritmo dependerá su potencia.

Con el fin de modelar este comportamiento de forma más realista; es normal que se añada a estas reglas una perturbación que semeje a las variaciones en los comportamientos de los insectos o animales; las cuales son difíciles de imitar. Dicha perturbación es ejercida como un valor aleatorio que llega a modificar el valor generado por la regla determinística.

Por último, el objetivo de los algoritmos bio-inspirados, es conseguir la mejor solución entre múltiples alternativas para llegar a resolver un problema.  Entonces, se debe contar con un mecanismo que pueda almacenar la mejor solución hallada. Hablamos de la memoria, que permitirá identificar la mejor solución en cualquier etapa del procesamiento del método bio-inspirado.

El proceso es iterativo, es decir que se va a repetir una cantidad k de iteraciones para conseguir una alternativa ajustada al problema que se busca resolver.

Las colonias de arañas sociales inspiran un método de optimización

Inspirado en la forma de actuar de las arañas sociales, estos procesos se pueden implementar en computadores para la construcción de una estrategia de optimatización que llegue a resolver problemas asociados al campo de la ingeniería y hacia otras áreas.

En esta estrategia se parte de que todo el espacio para la búsqueda es una red de miembros, donde todos los individuos interactúan entre sí. En este modelo, cada solución en el espacio de búsqueda sugiere una posición de araña en la red comunitaria.

Cada araña obtiene un valor de acuerdo a la forma en que resuelve al asunto de optimización (cuando es evaluada en la función correspondiente al objetivo).

El método bio-inspirado simula 2 agentes de búsqueda distintos (arañas machos y arañas hembras). Así, dependiendo del género de la araña, cada una es dirigida por una serie de operadores diferentes evolutivos, que reproducen distintos comportamientos cooperativos acostumbrados dentro de la colonia de arañas sociales.

En este modelo, fundamentado en el comportamiento de las arañas sociales, se aplican los pasos siguientes:

  1. La población de individuos X de búsqueda, se divide en 2 categorías: M, machos, y H, hembras. La cantidad de hembras será del 70%, y la cantidad de machos corresponde al 30% restante.
  2. A cada individuo i, se le asigna un peso wi, sin importar si es macho o es hembra. Este peso representa la forma en que esa solución específica, llega a la solución del problema de optimización.
  3. Finalmente, se establecen 3 formas de vibraciones que representan la manera de intercambiar la información por medio de la red comunitaria.
Compartir noticia:
Salir de la versión móvil