Page 102 - Acalán 121

Acalán 121 6 Julio - Diciembre
que imitan la naturaleza. Hoy tenemos un verdadero La Figura 1 no solo ordena este universo: es un mapa
“menú” de métodos (Figura 1). Los clásicos, como la para elegir la herramienta correcta. ¿El problema es
programación lineal, son como recetas exactas para impredecible? La optimización estocástica tiene la
problemas con reglas claras. Los más modernos, respuesta. ¿Hay que considerar múltiples objetivos
como los algoritmos genéticos, evolucionan a la vez? Las técnicas multiobjetivo entran en juego.
soluciones como lo haría una especie biológica. Y en La optimización ya no es solo para ingenieros: es
la frontera, la inteligencia artif cial y la computación una mentalidad que transforma industrias (Alanis,
cuántica prometen revolucionar cómo optimizamos. Arana-Daniel y Lopez-Franco, 2018).
Figura 1. Taxonomía y clasif cación de las técnicas de optimización.

De acuerdo con Nath (2024), no todas las soluciones paisaje se vuelve más complejo: aparecen múltiples
son iguales. Un óptimo local es como un valle picos y valles donde los métodos clásicos podrían
pequeño, es decir la mejor solución en su vecindad, estancarse sin encontrar la verdadera solución
pero no necesariamente la global. Por otro lado, un óptima.
óptimo global es el punto más bajo de todo el terreno
(o el más alto, si maximizamos). Esta diferencia Este comportamiento explica por qué la naturaleza
crítica entre óptimos locales y globales queda del paisaje de soluciones determina el éxito o fracaso
visualmente clara al examinar la Figura 2, En 2 (a), de los algoritmos. Como veremos a continuación,
para problemas con una sola variable, vemos cómo reconocer estas características es el primer paso para
un óptimo local (valle secundario) puede engañar seleccionar estratégicamente entre métodos clásicos
a los algoritmos, mientras el global sigue siendo el (ef cientes en terrenos simples) y metaheurísticos
punto más profundo. En 2 (b), con dos variables, el (capaces de navegar complejidades).
Figura 2. Óptimos locales y globales para un problema hipotético de maximización de benef cios:
(a) problema con una variable y (b) problema con dos variables.

UNIVERSIDAD AUTÓNOMA DEL CARMEN