|
Este proyecto IBEROEKA (como EUREKA en EU)
es un proyecto de colaboración de transferencia de tecnología entre
países Iberoamericanos. IDI Eikon dirige el proyecto y una Compañía
cubana y una Universidad venezolana se han unido al proyecto.
Este es un extracto de la memoria del proyecto:
Los sistemas tradicionales de optimización, basados en la programación
lineal y los modelos matemticos, son claramente insuficientes para
manejar problemas complejos como los que configuran el ambiente
de las relaciones laborales.
El entorno de cambio permanente en el que están
inmersas las Organizaciones de hoy día ponen de manifiesto la complejidad
de sus relaciones internas y externas y la incertidumbre que rodea
y precede a la toma de decisiones
Como explica la Teora del Caos un pequeño cambio en el origen de
un proceso puede conducir a resultados tremendamente dispares e
imprevisibles.
La Organizaciones deben entenderse como Sistemas Dinmicos que interactúan
con Agentes Externos cuyo comportamiento es impredecible y que inexorablemente
afectan a su supervivencia. Como explica la teora C.A.S. (Complex
Adaptive Systems), situarse al filo del caos (edge of chaos) es
el mejor antdoto para contrarrestar la obsolescencia y marginación
del mercado.
La Teora del Caos no soluciona los problemas de las Organizaciones,
pero ayuda a entenderlos y a propiciar soluciones más all de los
modelos mecanicistas newtonianos.
La mayora de problemas de las Organizaciones
no se pueden resolver con fórmulas matemáticas, en especial, los
que afectan a las relaciones humanas. En el contexto de la gestión
de los Recursos Humanos, los problemas son, a veces, extremadamente
complejos, convirtiendo el modelo en no-lineal y discontinuo. El
problema lineal es la excepcin.
En muchos casos no existe, tan siquiera, una buena solución. A veces
el propio problema está mal formado y resulta imprescindible tomar
alguna decisión. En estos supuestos bastara poder elegir la mejor
solución entre las posibles o simplemente la menos mala.
Es en este punto donde los
Algoritmos Genticos pueden aportar una valiosa contribución para
la optimización en la búsqueda de soluciones a problemas complejos.
Proporcionan un modo fácil de
encontrar soluciones óptimas a virtualmente cualquier tipo de problema.
La optimización es el proceso
de intentar encontrar la mejor solución a un problema que puede
tener muchas soluciones posibles. La mayora de los problemas
contienen muchas variables que interactúan, basadas en fórmulas
dadas y restricciones.
La optimización trata de buscar
la combinación más eficiente y que mejor se aproxima a un objetivo
ante unos recursos dados, generalmente, escasos.
Los Algoritmos Genticos imitan
los principios de la selección natural de Darwin creando
un entorno donde cientos de posibles soluciones a un problema
pueden competir entre sí y donde sólo las mejor
adaptadas sobreviven.
Al igual que en la evolución
biológica, cada solución puede transmitir sus "genes"
buenos a través de soluciones de "descendencia" para que
toda la población de soluciones contine desarrollando las mejores
soluciones. La terminologa usada cuando se trabaja con algoritmos
genticos es a menudo similar a la que la inspira. Hablamos
sobre cmo las funciones "cruzadas" ayudan a enfocar la
búsqueda de soluciones, las tasas de "mutación" ayudan
a diversificar la "piscina de genes", y evaluamos la "población"
entera de soluciones u "organismos."
Los Algoritmos Genticos, apenas
salidos del laboratorio, alcanzan en estos momentos los sistemas
universales y ampliamente accesibles por todos de las actuales
TIC (Tecnologías de la Información y Comunicación) desplazando a
los sistemas convencionales de resolución de problemas: prueba
y error y algoritmos de optimización lineal .
Los sistemas de búsqueda de
soluciones mediante prueba y error son inviables cuando el número
de combinaciones a explorar supera el factorial de 10 (3.628.800
combinaciones). Incluso para un moderno ordenador! Raro es el problema
que no requiere combinaciones y permutaciones superiores al factorial
de 50.
Los algoritmos de optimización
reducen el espectro de búsqueda mediante estrategias de enfoque
y aproximación a la solución que, en caso de la optimización lineal
(método simplex) está preestablecida de antemano. Es determinista:
para un mismo problema y con los mismos valores de entrada sólo
existe una solución y sta ha de poderse formular matemticamente.
En cuanto el problema adquiere un cierto umbral de complejidad,
la optimización lineal es incapaz de encontrar una solución globalmente
óptima, pudiendo tan sólo alcanzar una solución localmente aceptable
(Problema Hill Climbing).
Especficamente, los Algoritmos Genticos hallan
las soluciones óptimas a problemas no-lineales, basados en
tablas, o problemas numricos estocsticos (azar). Puede resolver
problemas con cualquier combinación de estas cualidades. A.G.
también puede generar permutaciones de valores existentes, re-ordenar
los valores, o agrupar los valores de maneras diferentes para encontrar
la solución óptima. Puede automatizar el proceso de búsqueda indagando
inteligentemente a través de las miles de situaciones posibles y
guardando la mejor.
Las Organizaciones deberan usar Algoritmos Genticos de Optimización
cuando:
|
