Título de la tesis: Membrane algorithms: Desarrollo, implementación y optimización de inteligencia artificial
Doctorando/a: José Antonio Andreu Guzmán
Directores: Luis Valencia Cabrera, David Orellana Martín
Tutor: Agustín Riscos Núñez
Resumen:
Muchos problemas de optimización presentan espacios de búsqueda tan grandes que la exploración exhaustiva deja de ser una opción práctica, mientras que encontrar buenas soluciones sigue siendo un reto computacional. En estos escenarios, las metaheurísticas constituyen una alternativa práctica para obtener soluciones de alta calidad en tiempos razonables.
Entre ellas, los algoritmos genéticos destacan por su capacidad para explorar simultáneamente múltiples regiones del espacio de búsqueda mediante poblaciones de soluciones que evolucionan a través de operadores inspirados en la selección natural.
Sin embargo, el rendimiento de estos algoritmos depende en gran medida de su capacidad para mantener un equilibrio adecuado entre exploración y explotación. Una línea de investigación orientada a reforzar este equilibrio consiste en introducir mecanismos de cooperación entre poblaciones que evolucionan en paralelo e intercambian información durante el proceso evolutivo.
Esta tesis estudia la cooperación entre poblaciones en el marco de los Membrane Algorithms, inspirados en el paradigma de Membrane Computing. En este enfoque, varias poblaciones se organizan en una estructura de membranas que define cómo se comunican y cómo se reconstruyen las poblaciones tras cada intercambio de información. Sobre esta base, el trabajo analiza una familia de Genetic Algorithm P Systems (GAPS) en la que cada membrana ejecuta un algoritmo genético de forma local y coopera con el resto mediante reglas de comunicación y actualización.
El objetivo principal del estudio es analizar cómo influyen distintas decisiones de diseño en el comportamiento de estos sistemas, incluyendo la estructura de membranas, la frecuencia de comunicación y las estrategias empleadas para integrar la información intercambiada. Para ello se consideran dos estructuras representativas, One-Level Membrane Structure (OLMS) y Nested Membrane Structure (NMS), materializadas en las variantes OGAPS y NGAPS.
La evaluación experimental se realiza sobre dos problemas clásicos de naturaleza distinta en sus formulaciones de optimización: el Graph Coloring Problem (GCP) y el Traveling Salesman Problem (TSP). Mediante una experimentación sistemática que compara múltiples variantes frente a un algoritmo genético de referencia, se estudia en qué condiciones esta cooperación resulta beneficiosa y qué decisiones de diseño tienen un mayor impacto en el rendimiento.
Los resultados muestran que los Membrane Algorithms constituyen una alternativa competitiva frente a los algoritmos genéticos tradicionales y que, en numerosos escenarios, determinadas estrategias permiten mejorar el rendimiento de los algoritmos genéticos base y reducir la variabilidad entre ejecuciones. Asimismo, el estudio permite identificar qué decisiones de diseño resultan más adecuadas según el problema y la estructura de membranas utilizada. Como soporte para la experimentación, la tesis presenta además MembrAI, una herramienta desarrollada para la ejecución y análisis reproducible de experimentos con Membrane Algorithms.
