Derechos de Autor. ISSN 2007-0691. - smia.mxsmia.mx/komputersapiens/download.php?file=ks61_1.87MB_compact… · cluyendo computación evolutiva, redes neuronales, lógica difusa,

ccopyKomputer Sapiens Ano VI Volumen I enero-abril 2014 es una publicacion cuatrimestral de laSociedad Mexicana de Inteligencia Artificial AC con domicilio en Ezequiel Montes 56 sn Fracclos Pilares Metepec Edo de Mexico CP 52159 Mexico httpwwwkomputersapiensorg correoelectronico editorialkomputersapiensorg tel +52 (833)3574820 ext 3024 fax +52 (833)

2158544 Impresa por Sistemas y Disenos de Mexico SA de CV calle Aragon No 190 colonia Alamos delegacionBenito Juarez Mexico DF CP 03400 Mexico se termino de imprimir el 28 de abril de 2014 este numero constade 1000 ejemplaresReserva de derechos al uso exclusivo numero 04-2009-111110040200-102 otorgado por el Instituto Nacional deDerechos de Autor ISSN 2007-0691Los artıculos y columnas firmados son responsabilidad exclusiva de los autores y no reflejan necesariamente lospuntos de vista de la Sociedad Mexicana de Inteligencia Artificial La mencion de empresas o productos especıficosen las paginas de Komputer Sapiens no implica su respaldo por la Sociedad Mexicana de Inteligencia ArtificialQueda estrictamente prohibida la reproduccion total o parcial por cualquier medio de la informacion aquı contenidasin autorizacion por escrito de los editoresKomputer Sapiens es una revista de divulgacion en idioma espanol de temas relacionados con la inteligencia artificialCreada en LATEX con la clase papertex disponible en el repositorio CTAN Comprehensive TeX Archive NetworkhttpwwwctanorgIndizada en el IRMDCT de CONACYT y en Latindex

Directorio SMIA Directores Fundadores

Presidente Alexander Gelbukh Carlos Alberto Reyes Garcıa

Vicepresidente Grigori Sidorov Angel Kuri MoralesSecretario Miguel Gonzalez MendozaTesorero Ildar Batyrshin Comite Editorial

Vocales Rafael Murrieta Cid Felix A Castro EspinozaMaya Carillo Ruiz Jesus Favela VaraSofıa Natalia Galicia Haro Sofıa Natalia Galicia HaroLuis Villasenor Pineda Miguel Gonzalez MendozaGustavo Arroyo Figueroa Oscar Herrera AlcantaraOmar Montano Rivas Raul Monroy BorjaFelix Castro Espinoza Eduardo F Morales ManzanaresHugo Terashima Marın Leonardo Garrido LunaOscar Herrera Alcantara Carlos Alberto Reyes GarcıaJesus Gonzalez Bernal Angelica Munoz Melendez

Antonio Sanchez AguilarKomputer Sapiens Luis Enrique Sucar Succar

Director general Alexander Gelbukh Angel Kuri MoralesEditora en jefe Laura Cruz Reyes Jose A Martınez FloresEditor asociado Jose A Martınez Flores Juan Manuel Ahuactzin LariosEditora cientıfica Elisa Schaeffer Manuel Montes y GomezCoordinadora de redaccion Gladis Galiana Bravo Ofelia Cervantes VillagomezCoordinador tecnico Marco A Aguirre Lam Alexander Gelbukhe-Tlakuilo Hector Hugo Aviles Arriaga Grigori Sidorov

Jorge A Ruis-Vanoye Laura Cruz ReyesOcotlan Dıaz-Parra Elisa Schaeffer

Estado del IArte Ma del Pilar Gomez Gil Ramon Brena PineroJorge Rafael Gutierrez Pulido Juan Humberto Sossa Azuela

Sakbe Hector Gabriel Acosta Mesa

Claudia G Gomez Santillan Arbitros

IA amp Educacion Marıa Yasmın Hernandez Perez Raul Monroy BorjaMarıa Lucıa Barron Estrada Elisa Schaeffer

Deskubriendo Konocimiento Alejandro Guerra Hernandez Tania Turrubiates LopezLeonardo Garrido Luna Federico Alonso Pecina

Asistencia tecnica Irvin Hussein Lopez Nava David Teran VillanuevaAlan G Aguirre Lam Sergio Nesmachnow

Correccion de estilo Rafael Ortega Cortez Johnatan E PeceroClaudia L Dıaz GonzalezGuadalupe Castilla Valdez

Edicion de imagen Laura Gomez CruzSilvia Clementina Guzman Ortiz

Portada Daniel Rubio Badillo Altera Diseno

Contenido

ARTIacuteCULO ACEPTADO

Adaptacioacuten de la teacutecnica heuriacutesti-ca optimizacioacuten por enjambres departiacuteculas para resolver un proble-ma de empaquetamiento con res-tricciones de precedenciapor Josue Daniel Castillo Cruz Roman Anselmo Mora Gu-tieacuterrez Eric Alfredo Rincoacuten Garciacutea and Antonin SebastienPonsich Martiacutenezpaacuteg 7 rArr Solucioacuten del problema de programacioacuten de horarios en laUniversidad Autoacutenoma Metropolitana

Nuevo sistema de informacioacuten de bajo costo basa-

do en tecnologiacutea bluetooth para conocer el estado

de las carreteras en tiempo real

por Pedro Garciacutea-Fernaacutendez Pedro A Castillo Pablo Garciacutea-Saacuten-chez Maribel G Arenas Antonio M Mora Gustavo Romero JuanJ Merelo y Victor M Rivas

paacuteg 12 rArr Optimizacioacuten del traacutefico en una red carretera en tiempo real parala prevencioacuten de accidentes

Planificacioacuten de tareas en sistemas cluster grid y

cloud utilizando algoritmos evolutivos

por Sergio Nesmachnow

paacuteg 18 rArr Programacioacuten de tareas en entornos distribuidos de coacutemputo hete-rogeacuteneo y a gran escala

Un algoritmo de estimacioacuten de distribuciones pa-

ra resolver un problema real de programacioacuten de

tareas en configuracioacuten jobshop

por Ricardo Perez Joumlns Sanchez Arturo Hernandez and CarlosOchoa

paacuteg 23 rArr La simulacioacuten con la estimacioacuten de distribuciones se integran paraoptimizar la programacioacuten de tareas en un sistema de manufactura de partesautomotrices

Columnas

Sapiens Piensa Editorial paacuteg 2

e-Tlakuilo paacuteg 4

Estado del IArte paacuteg 5

Sakbe paacuteg 6

IA amp Educacioacuten paacuteg 31

Deskubriendo KonocimientoResentildea de la peliacutecula Ellapaacuteg 33

Komputer Sapiens Enero - Abril 2014 Antildeo VI VolI

Antildeo VI Vol I Enero - Abril 2014 Columnas Komputer Sapiens 2 36

Sapiens Piensa

Programacioacuten de Tareas - Scheduling eInteligencia Artificial Nuevos Retos

Johnatan E Pecero y Laura Cruz-Reyes

Johnatan E Pecero

La planificacioacuten y programacioacutende tareas son procesos de tomade decisiones con la meta de op-timizar uno o maacutes objetivos Am-bos son temas de gran intereacutestanto en la academia como en laindustria por su gran variedad deaplicaciones en problemas realesPodemos ver la aplicacioacuten de es-

tas teacutecnicas en sistemas industriales de produccioacuten siste-mas informaacuteticos sistemas administrativos planificacioacuteny administracioacuten de proyectos programacioacuten de hora-rios sistemas de manufactura aeropuertos puertos ma-riacutetimos sistemas de transportes roboacutetica logiacutestica sis-temas de informacioacuten agentes autoacutenomos y misiones decontrol aeacutereo entre otros

Debido a su complejidad los problemas de planifica-cioacuten y programacioacuten de tareas no pueden ser usualmenteresueltos con meacutetodos exactos Por tal motivo un es-fuerzo significativo de investigacioacuten se ha enfocado enla aplicacioacuten de teacutecnicas de computacioacuten inteligente in-cluyendo computacioacuten evolutiva redes neuronales loacutegicadifusa enjambres de partiacuteculas y sus hibridaciones Enesta edicioacuten especial de Komputer Sapiens se presen-tan cuatro artiacuteculos seleccionados cuidadosamente quediscuten la aplicacioacuten de teacutecnicas de computacioacuten inte-ligente para resolver problemas reales de planificacioacuten yprogramacioacuten de tareas

En la contribucioacuten ldquoAdaptacioacuten de la teacutecnica heuriacutes-tica optimizacioacuten por enjambres de partiacuteculas pararesolver un problema de empaquetamiento con restric-ciones de precedenciardquo se aborda el problema de progra-macioacuten de horarios en la Universidad Autoacutenoma Metro-politana Los autores proponen una solucioacuten basada enla teacutecnica heuriacutestica de Optimizacioacuten por Enjambres dePartiacuteculas la cual es una teacutecnica de buacutesqueda funda-mentada en la simulacioacuten del comportamiento social ob-servado en las aves dentro de una parvada Se valida laeficiencia del algoritmo desarrollado con datos concretostomados del plan de estudios de ingenieriacutea fiacutesica de launiversidad

Los autores del artiacuteculo ldquoNuevo sistema de informa-cioacuten de bajo costo basado en tecnologiacutea bluetooth para

conocer el estado de las carreteras en tiempo real rdquodesarrollan un sistema basado en la deteccioacuten de dispo-sitivos bluetooth para el procesamiento de grandes can-tidades de datos el objetivo es monitorizar y optimizarel traacutefico en una red carretera en tiempo real obteniendocomo resultado la prevencioacuten de accidentes Los autoresproponen desarrollar un sistema de informacioacuten autoacuteno-mo de bajo costo que proporcione informacioacuten sobre elestado del traacutefico y uso de la red viaria Se utiliza unasolucioacuten de deteccioacuten basada en hardware que recopi-la informacioacuten del entorno enviacuteandola a unos servidorescentrales para su interpretacioacuten

En ldquoPlanificacioacuten de tareas en sistemas clus-

ter grid y cloud utilizando algoritmos evolutivosrdquo sepresenta un conjunto de teacutecnicas de computacioacuten evolu-tiva aplicadas para la solucioacuten del problema de progra-macioacuten de tareas en entornos distribuidos de coacutemputoheterogeacuteneo y a gran escala Como objetivo se busca op-timizar el tiempo total de ejecucioacuten de las tareas (ma-kespan en ingleacutes) el tiempo de respuesta yo el consumode energiacutea Los algoritmos utilizados incluyen versionessecuenciales e implementaciones en paralelo Los algo-ritmos presentados fueron evaluados experimentalmentesobre escenarios realistas para cada variante del proble-ma de programacioacuten de tareas

Finalmente ldquoUn algoritmo de estimacioacuten de dis-

tribuciones para resolver un problema real de progra-macioacuten de tareas en configuracioacuten jobshoprdquo es el tiacutetulodel artiacuteculo donde se aborda el problema de programa-cioacuten de tareas en un sistema de manufactura de partesautomotrices El trabajo describe un enfoque que combi-na la simulacioacuten de eventos discretos con un algoritmo deestimacioacuten de distribuciones este uacuteltimo es usado comomeacutetodo de optimizacioacuten de simulaciones La idea prin-cipal del enfoque es el tratar de encontrar una relacioacutenentre las variables de entrada del problema Para elloestima la dependencia condicional entre variables opti-mizando las que son sensibles a la salida del sistema demanufactura en consideracioacuten Los autores recomiendanla utilizacioacuten de un algoritmo de estimacioacuten de distribu-ciones maacutes un modelo de simulacioacuten para encontrar lasmejores secuencias para un problema de programacioacutende tareas

copy 2014 - Sociedad Mexicana de Inteligencia Artificial ISSN 2007-0691

Deseamos que este especial de Komputer Sapiensque hemos preparado con mucha dedicacioacuten sea de inte-reacutes y del agrado de nuestros lectores Tambieacuten esperamosque los artiacuteculos en planificacioacuten y programacioacuten de ta-reas sea para algunos un detonante para incursionarcon mayor profundidad en esta aacuterea de investigacioacuten quehemos abordado a manera de divulgacioacuten No deben per-derse la lectura de nuestras tradicionales columnas quesiempre traen novedades de la IA A partir de este nuacute-mero en nuestra columna Deskubriendo Konocimientose resentildearaacuten peliacuteculas relacionadas con la IA ademaacutes delibros Iniciamos con la peliacutecula Ella iexclQue la disfruten

Johnatan E Pecero es investigador asistente en pro-gramacioacuten de tareas planificacioacuten y administracioacutende recursos asiacute como eficiencia energeacutetica en la nu-be computacional y sistemas de coacutemputo distribuidos agran escala utilizando teacutecnicas de optimizacioacuten inteligen-te El Dr Pecero es el editor invitado de este volumenespecial de Komputer Sapiens

Laura Cruz-Reyes es Editora en Jefe de la revistaKomputer Sapiens desde marzo de 2012 columnista des-de la creacioacuten de la revista e investigadora en optimiza-cioacuten inteligente

asdasdasd

e-Tlakuilo Cartas de nuestros lectores

Heacutector Hugo Avileacutes Arriaga Jorge A Ruiz-Vanoye Ocotlaacuten Diacuteaz-Parraetlakuilokomputersapiensorg

En Komputer Sapiens nos hemos esforzado por estar ldquoa soacutelo un click de distanciardquo a traveacutes de diferentes medios comoFacebook Twitter y correo electroacutenico Les presentamos algunos de los comentarios que hemos recibido a traveacutes de estosmedios

Perla Cumpeaacuten Hernaacutendez estudiante de licen-ciatura (Correo electroacutenico)iquestSeriacutea necesario tener conocimiento acerca del funciona-miento de los robots modulares y de ser asiacute iquestcuaacutelesseriacutean los conocimientos baacutesicos

Hola Perla gracias por escribir a KS Los conoci-mientos que se requieren variacutean dependiendo de tu temade intereacutes Por un lado existen disciplinas como mate-maacuteticas discretas caacutelculo aacutelgebra lineal programacioacutende computadoras fiacutesica probabilidad estadiacutestica y loacutegi-ca matemaacutetica para el desarrollo de software Por otrolado si deseas fabricar el hardware de los robots sonuacutetiles conocimientos en electroacutenica resistencia de ma-teriales teoriacutea de control e incluso de disentildeo asistidopor computadora Afortunadamente varios de estos te-mas forman parte del tronco comuacuten en casi todos losprogramas acadeacutemicos en computacioacuten tecnologiacuteas dela informacioacuten y aacutereas relacionadas como electroacutenica ymecatroacutenica En la praacutectica los equipos de desarrollosuelen ser multidisciplinarios por lo que puedes elegirla liacutenea de trabajo que maacutes te agrade y de acuerdo a tuperfil y formacioacuten Recibe un saludo

Katya Victoria Ortega Balderas estudiante deTecnologiacuteas de la Informacioacuten (Correo electroacuteni-co)iquestCuaacutendo estaraacuten en marcha los proyectos basados en elcoacutemputo afectivo iquestpodraacuten estar al alcance de todos

Hola Katia Gracias por escribirnos Es difiacutecil es-tablecer una fecha exacta de cuaacutendo esteacuten inmersoscompletamente en la vida diaria del ser humano Es

maacutes probable que veamos aparecer progresivamente enlos proacuteximos antildeos nuevas computadoras y sistemas queincluyan el coacutemputo afectivo Los videojuegos tutoreseducativos inteligentes sistemas de cuidado para adultosmayores o de entrenamiento son aplicaciones potencialesy prometedoras en el futuro cercano Con respecto a tusegunda pregunta por supuesto que esperamos que estosdesarrollos esteacuten al alcance de todos para el beneficio denuestra sociedad Un saludo cordial

Yanin Valeria Yuen Torres estudiante (Correoelectroacutenico)Aparte de la educacioacuten iquestpara cuaacuteles otras aacutereas puedeser uacutetil tener un avatar animado con expresioacuten de emo-ciones

Hola Yanin Eacutesta es una buena pregunta que estaacuterelacionada a un mensaje anterior sobre las aplicacionesdel coacutemputo afectivo en general Un avatar que cuentecon expresioacuten de emociones puede ser muy uacutetil en diver-sas disciplinas por ejemplo en psicologiacutea para recrear yentender mejor las reacciones y comportamientos de laspersonas Tambieacuten podriacutea servir de apoyo y compantildeiacuteaa nintildeos adultos mayores o personas con la enfermedadde Alzheimer Otro ejemplo es en la fisioterapia dondeun terapeuta fiacutesico virtual podriacutea identificar respuestascorporales (como la dificultad para realizar determinadoejercicio la frecuencia cardiaca o respiratoria) y con estainformacioacuten el avatar podriacutea retroalimentar al pacien-te o usuario para mejorar su experiencia en la terapiaSaludos

COLUMNAS

Estado del IArteMariacutea del Pilar Goacutemez Gil y Jorge Rafael Gutieacuterrez Pulidoestadoiartekomputersapiensorg

El problema de asignar tareas siguiendo un orden de-terminado utilizando de la mejor manera los recursosdisponibles y maximizando el beneficio obtenido por estaasignacioacuten estaacute presente en un sin nuacutemero de activida-des en nuestra vida diaria La planificacioacuten de tareas esun problema de optimizacioacuten en donde se busca en-contrar el miacutenimo en una funcioacuten que calcula el costode asignar todos los recursos necesarios para conseguirla tarea en cuestioacuten Un ejemplo de este problema es elque enfrenta una administradora acadeacutemica de una es-cuela preparatoria cuando tiene que disentildear los horariosde clases considerando los profesores con que cuenta lasposibles materias que pueden impartir cada uno de elloslos salones de que dispone la escuela el equipo necesariopara cada curso el equipo disponible en cada saloacuten y loshorarios de clase maacutes adecuados para cada materia

A estos problemas tambieacuten se les conoce como proble-mas de satisfaccioacuten de restricciones (CSP por su sigla eningleacutes constraint satisfaction problems) y los especialis-tas en coacutemputo los clasifican como problemas de decisioacutentipo NP-completos La solucioacuten a estos problemas nose puede encontrar faacutecilmente pues el tiempo requeridopara hacerlo puede crecer demasiado cuando muchos da-tos estaacuten involucrados Por ejemplo supongamos que eltiempo que tardamos para resolver un par de problemaspuede representarse por medio de funciones con respec-to al nuacutemero de datos involucrados n Si t1 = nlog2 (n)es el tiempo en microsegundos necesario para resolverel primer problema y t2 = 2n el necesario para el se-gundo y n vale 4 tenemos que el primer problema loresolvemos en 8 microsegundos mientras que el segun-do en 16 microsegundos Sin embargo cuando n vale 64el primer problema se resuelve en aproximadamente 384microsegundos mientras que el segundo tomariacutea apro-ximadamente 1x1019 microsegundos no parece muchopero es un tiempo imposible si pensamos que equivale a5930 siglos

La inteligencia artificial se ha utilizado fuertemen-te como una alternativa para buscar buenas solucionesa problemas de planificacioacuten de tareas que puedan eje-cutarse en tiempos razonables los algoritmos evoluti-vos las redes neuronales artificiales y los sistemas multi-agentes se han utilizado en este campo Por ejemplo elcentro de Tecnologiacuteas de Agentes de la Universidad Teacutec-nica Checa en Praga utiliza estos agentes para construirsistemas de trasporte eco-amigables que permitan apro-vechar al maacuteximo los recursos disponibles en las ciudadespara transportar a los ciudadanos Algoritmos especiali-zados planean la ruta que pueden seguir los ciudadanospara ir de un punto a otro de la ciudad considerandotransporte individual y colectivo preferencias rutas dis-ponibles de autobuses flujo de traacutensito y proporcionan-do a sus usuarios diferentes opciones para trasportarseen bicicleta por taxi caminando o una combinacioacuten deellos En la paacutegina web httptransportfelkcvutczjourneyplanner se puede ver un programa de de-mostracioacuten de coacutemo funciona este sistema Un ejemplode una ruta generada con este programa demo se muestraen la figura

Otro ejemplo interesante se encuentra en la Universi-dad Northwestern USA donde se disentildean sistemas pararesolver problemas que una sola persona o computadorano puede resolver de manera individual El proyecto de-nominado ldquoUsando multitudes para resolver problemascomplejosrdquo permite resolver retos de planeacioacuten y calen-darizacioacuten por ejemplo de nuestro proacuteximo viaje inclu-yendo itinerarios rutas y sus diferentes alternativas

Para saber maacutes sobre este proyecto puede consultar-se la paacutegina httpwwwmccormicknorthwestern

edunewsarticles201402using-crowdsourcing-

to-solve-complex-problemshtml

asdasdasd

Ejemplo de una ruta generada con Journey planner

COLUMNAS

SakbeClaudia Guadalupe Goacutemez Santillaacuten y Heacutector Gabriel Acosta Mesasakbekomputersapiensorg

El problema de planificacioacuten (scheduling) se define deforma general como la asignacioacuten de recursos a las ac-tividades en el tiempo de manera que la demanda deinsumos se cumpla de una manera oportuna Siendo unode los problemas maacutes estudiados desde los antildeos 60rsquosuno de sus pioneros fue el profesor Eduard G CoffmanJr Professor Emeritus de Columbia University (httpwwweecolumbiaedu~egc) Es interesante conocerel tipo de problemas que se han solucionado a traveacutesdel tiempo con sus estudios sobre planificacioacuten de re-

cursos planificacioacuten de horarios entre otros (httpwwweecolumbiaedu~egcpublicationshtml) Pa-ra los investigadores que quieren desarrollar y probar susaplicaciones algoriacutetmicas pueden hacer uso de la libreriacuteaProject Scheduling Problem (PSPLIB) httpwwwom-dbwitumdepspliblibraryhtml Esta herramien-ta contiene diferentes conjuntos de teacutecnicas para solucio-nar problemas de planificacioacuten de proyectos con recursosrestringidos asiacute como sus soluciones oacuteptimas y heuriacutesti-cas

httpwwwom-dbwitumdepspliblibraryhtml

Teambook rArr El objetivo de este software es facilitar laplanificacioacuten de tareas para un manejo eficiente de los re-

cursos de un negocio Las bondades de esta herramientapermiten la calendarizacioacuten de las actividades grupalesde una manera faacutecil intuitiva y sin complicaciones Espor esto que Teamboook puede hacer que las empre-sas de servicios profesionales hagan de la pesadilla de lacalendarizacioacuten un juego de nintildeos

httpwwwteambookappcomgclid=CJ-egMad5rwCFYeEfgod5V4AeQ

TimeTables rArr Es un software para planificar horariosde escuelas primarias y secundarias Su interfaz de lle-

nado de datos es sencilla permite una definicioacuten faacutecil yraacutepida de asignaturas clases aulas profesores y de lashoras a la semana ensentildeadas por cada profesor Con es-ta herramienta se puede generar en pocos minutos y sincomplicaciones un horario completo Sus esquemas deverificacioacuten permiten cumplir con altos estaacutendares

httpwwwasctimetablescomtimetables_enhtml

ICAPS rArr Es el principal foro para investigadores yprofesionales de la planificacioacuten Su objetivo principal espromover el campo de la planificacioacuten automatizada me-diante la organizacioacuten de reuniones teacutecnicas incluyendola conferencia anual de ICAP A traveacutes de la organizacioacuten

de escuelas de verano cursos y actividades de formacioacutenen diversos eventos promueve la participacioacuten de joacutevenescientiacuteficos en el campo mediante becas y otros medios Elevento busca la promocioacuten y difusioacuten de publicacionessistemas de planificacioacuten y programacioacuten dominios si-muladores herramientas de software y material teacutecnicoSin duda una liga de intereacutes para los usuarios de planifi-cacioacuten

httpicaps14icaps-conferenceorg

Adaptacioacuten de la teacutecnica heuriacutestica optimizacioacutenpor enjambres de partiacuteculas para resolver unproblema de empaquetamiento con restricciones deprecedenciaJosue Daniel Castillo Cruz Roman Anselmo Mora Gutieacuterrez Eric Alfredo Rincoacuten Garciacuteay Antonin Sebastien Ponsich Martiacutenez

En este trabajo se propone el uso de la heuriacutestica Op-timizacioacuten por Enjambre de Partiacuteculas para resolver uncaso de estudio en la UAM que consiste en encontrarel miacutenimo nuacutemero de trimestres necesarios para cursarun conjunto de asignaturas de tal forma que se cumplanalgunas reglas como seriacioacuten

Un problema con estas caracteriacutesticas puede modelar-se como un ldquoProblema de Empaquetamiento con Restric-ciones de Precedenciardquo En este trabajo se propone el usode la heuriacutestica ldquoOptimizacioacuten por Enjambre de Partiacutecu-lasrdquo para resolver un caso de estudio en la UniversidadAutoacutenoma Metropolitana

Se presenta una adaptacioacuten de la heuriacutestica ldquoOptimizacioacuten por Enjambre

de Partiacuteculasrdquo para determinar el nuacutemero miacutenimo de trimestres requeridospara completar los 491 creacuteditos indicados en el plan de estudios de la

carrera de Ingenieriacutea Fiacutesica de la Universidad Autoacutenoma Metropolitana

IntroduccioacutenDe acuerdo con el plan de estudios vigente en la Uni-

versidad Autoacutenoma Metropolitana (UAM) Al inscribir-se cursar y aprobar diversas Unidades de Ensentildeanza yAprendizaje (UEA) el alumno acumula una cierta canti-dad de creacuteditos La carrera se divide en unidades lectivasllamadas trimestres los cuales tienen un liacutemite maacuteximode creacuteditos por lo que todas las UEA del plan de estudiosdeberaacuten ser distribuidas a lo largo de estos trimestres

Considerando la situacioacuten anterior se puede afirmarque se trata de un ldquoProblema de Empaquetamiento conRestricciones de Precedenciardquo (BPP-P por sus siglas eningleacutes) en el que dado un conjunto de contenedores conuna capacidad preestablecida un conjunto de elementosponderados y un conjunto de reglas de precedencia entreestos elementos se desea determinar el nuacutemero miacutenimode contenedores necesarios para acomodar todos los ele-mentos de tal forma que estos cumplan todas las reglasde precedencia [1][2]

Por lo tanto se presenta una adaptacioacuten de la heu-riacutestica ldquoOptimizacioacuten por Enjambre de Partiacuteculasrdquo (PSOpor sus siglas en ingleacutes) para determinar el nuacutemero miacute-nimo de trimestres requeridos para completar los 491creacuteditos indicados en el plan de estudios de la carrerade Ingenieriacutea Fiacutesica de la Universidad Autoacutenoma Me-tropolitana para lo cual a partir del plan de estudiosse creoacute un banco de instancias acadeacutemicas que simulan

la seleccioacuten de UEA que podriacutea realizar un conjunto deestudiantes

Los resultados obtenidos muestran que el uso dela teacutecnica heuriacutestica PSO en el conjunto de instanciasprobado es eficiente ya que es capaz de generar solu-ciones factibles en un tiempo promedio de 75 segundosAdemaacutes permite obtener diversas soluciones de buenacalidad con lo que se ofrecen varias opciones al usuariofinal De esta forma el algoritmo propuesto se convierteen una herramienta capaz de generar soluciones de for-ma automaacutetica y eficiente lo que ayuda al estudiante aplanificar su curriacuteculo acadeacutemico

Problema de empaquetamiento con res-tricciones de precedencia

El problema de BPP-P consiste en encontrar el miacute-nimo nuacutemero de contenedores de capacidad ideacutentica Cnecesarios para acomodar n elementos cada uno con unpeso positivo ωj (j = 1 2 n) respetando un con-junto de restricciones de precedencia entre los elementosque indican un orden de empaquetamiento

De manera intuitiva la precedencia impone que lossucesores de un elemento deberaacuten estar en contenedoresposteriores al contenedor que empaca a este elementoPara representar las restricciones de precedencia se pue-de considerar un grafo simple sin ciclos donde cada veacuter-tice representa a un artiacuteculo diferente y donde cada arco

representa una relacioacuten de precedencia por ejemplo enla Figura 1 se presentan 12 artiacuteculos y 15 restriccionesde precedencia

En una solucioacuten factible al BPP-P el iacutendice del conte-nedor que almacena al artiacuteculo j deberaacute ser estrictamen-te menor a la del contenedor que almacena al elemento ksiempre que exista un arco del veacutertice j al veacutertice k Enla Figura 2 se presentan dos soluciones factibles del pro-blema presentado en la Figura 1 claramente la solucioacuten(b) es mejor que la solucioacuten (a) ya que requiere menoscontenedores y por lo tanto se desperdicia menos espacio

Figura 1 Restricciones de precedencia

Figura 2 Empaquetamientos factibles

Se ha demostrado que el BPP-P es NP-duro [3] por loque intentar resolver instancias de este tipo de problemaspuede requerir un enorme esfuerzo incluso para instanciaspequentildeas Por lo tanto se justifica el uso de teacutecnicas heu-riacutesticas capaces de generar buenas soluciones en tiempos decoacutemputo razonable

Optimizacioacuten por enjambre de partiacuteculasLa Optimizacioacuten por Enjambre de Partiacuteculas es una teacutec-

nica heuriacutestica de buacutesqueda basada en la simulacioacuten del com-portamiento social observado en las aves dentro de una par-vada [4]

En PSO cada individuo representa una partiacutecula que via-ja a traveacutes de un espacio de soluciones del problema Cadapartiacutecula tiene asignada una posicioacuten que representa una so-lucioacuten del problema y un valor llamado velocidad que regula

el movimiento en la posicioacuten de la partiacutecula La calidad dela posicioacuten de cada partiacutecula es determinada por una funcioacutenobjetivo acorde con el problema a resolver

Para promover una exploracioacuten amplia del espacio de buacutes-queda las posiciones y velocidades iniciales asignadas a cadapartiacutecula son generadas de forma aleatoria Conforme avanzael algoritmo la velocidad y la posicioacuten cambian en funcioacuten dela interaccioacuten social basada en la tendencia social de cada in-dividuo a emular el eacutexito de otros individuos en la poblacioacutenEsto es resultado de un fenoacutemeno emergente denominado in-teligencia de partiacuteculas

El cambio en la posicioacuten de cada partiacutecula es influenciadopor su propio conocimiento y por su medio ambiente ya queen dicho cambio se considera la mejor posicioacuten visitada por lapartiacutecula y la mejor posicioacuten visitada por alguacuten individuo delenjambre A medida que el algoritmo avanza las partiacuteculasempiezan a concentrarse en zonas con soluciones de buenacalidad del espacio de buacutesqueda Al finalizar el algoritmodevuelve la mejor solucioacuten visitada por alguacuten individuo delenjambre

En la Figura 3 se muestra el comportamiento baacutesico dePSO

Figura 3 Comportamiento de las partiacuteculas

Descripcioacuten del problemaLos planes de estudio de la Universidad Autoacutenoma Me-

tropolitana estaacuten formados por UEA que deben ser cursadaspor los estudiantes en un nuacutemero preestablecido de trimes-tres [5] Cada UEA tiene asociado un nuacutemero de creacuteditos y enalgunos casos requisitos para poder cursarla Estos requisitosse dividen en dos grupos

R1) Seriacioacuten La inscripcioacuten a algunas UEA estaacute sujeta ala acreditacioacuten previa de otras unidades esto con el fin

de que los estudiantes cuenten con los conocimientosbaacutesicos necesarios para el correcto aprendizaje de cadaUEA

R2) Miacutenimo nuacutemero de creacuteditos La inscripcioacuten a algunasUEA estaacute sujeta a que el estudiante haya obtenido cier-to nuacutemero de creacuteditos por las UEA acreditadas

Del mismo modo se establece un nuacutemero maacuteximo de creacute-ditos que puede llevar un estudiante durante cada trimestrepor ejemplo en la licenciatura de Ingenieriacutea Fiacutesica se tienenlas siguientes restricciones

R3) Maacuteximo 56 creacuteditos en el primer trimestre

R4) Maacuteximo 40 creacuteditos en los trimestres restantes

Estos liacutemites se han establecido para evitar que los estu-diantes soliciten una carga acadeacutemica excesiva lo cual podriacutearepercutir negativamente en su desempentildeo global

Recientemente se realizaron modificaciones en algunosplanes de estudio de la UAM-A lo que resultoacute en la des-aparicioacuten y creacioacuten de UEA afectando la seriacioacuten y porlo tanto el orden en que deben ser acreditadas las unidadesDichos cambios hicieron necesaria la revisioacuten de los nuevosplanes para establecer una nueva distribucioacuten de las UEAen diferentes trimestres asiacute como para determinar si los nue-vos planes podriacutean ser completados en el tiempo establecidopor la UAM-A Esta actividad se realizoacute manualmente por loque el tratar de disentildear una solucioacuten capaz de satisfacer lascondiciones establecidas R1-R4 requirioacute un esfuerzo de variosdiacuteas

Lo anterior se habriacutea podido evitar mediante el uso deun modelo de programacioacuten matemaacutetica donde el grupo derestricciones determina un conjunto de soluciones factibleses decir soluciones que permiten al estudiante cursar todaslas UEA respetando las restricciones R1-R4

Para resolver este problema se implementoacute un algoritmobasado en PSO en el cual cada solucioacuten se representa comoun vector de 66 entradas Cada entrada representa una UEAy su valor es un entero dentro del rango 1 a 16 que indicael trimestre donde se debe cursar la UEA considerada Paradeterminar la calidad de una solucioacuten se empleoacute una funcioacutenobjetivo que contabiliza el nuacutemero de trimestres empleadosy el nuacutemero de restricciones violadas De esta forma se bus-ca que las soluciones devueltas por el algoritmo cumplan conlas restricciones del problema al tiempo que minimizan elnuacutemero de trimestres requeridos para completar la carrera

La funcioacuten objetivo utilizada calcula la calidad de la po-sicioacuten de cada partiacutecula agregando penalizaciones de la si-guiente manera

1 Restricciones de seriacioacuten Si una UEA en la solucioacutenviola alguna regla de seriacioacuten se agrega la diferenciade trimestres de estas dos UEA

2 Exceso de creacuteditos por trimestre Si un trimestre tieneasociado un nuacutemero de UEA tal que la suma de loscreacuteditos de estas excede el liacutemite establecido por el tri-mestre se agrega la diferencia entre el liacutemite y la sumade creacuteditos de las UEA asociadas

3 Restricciones de creacuteditos requeridos Si una UEA re-quiere cierta cantidad de creacuteditos se calcula la suma

de los creacuteditos acumulados hasta un trimestre anteriora esta UEA Si los creacuteditos acumulados son menoresa los creacuteditos requeridos se realiza la diferencia entreestas dos cantidades y se suma a la calidad de la par-tiacutecula

4 Nuacutemero de trimestres Para que el algoritmo busquesoluciones con pocos trimestres se suma una penaliza-cioacuten que depende del nuacutemero de trimestres maacuteximos enla solucioacuten actual

Por uacuteltimo se debe destacar que PSO fue originalmentedisentildeado para un espacio de soluciones continuo Sin embar-go debido a la forma en que se representa a cada solucioacutencomo un vector en N

66 la teacutecnica heuriacutestica debe adaptarsepara realizar una buacutesqueda en un espacio de soluciones discre-to En la literatura especializada se pueden encontrar variosintentos por adaptarlo a problemas con estas caracteriacutesticas[6] PSO se discretizoacute mediante un redondeo en el caacutelculo dela velocidad Bajo estas condiciones el movimiento de cadapartiacutecula sigue siendo influenciado por la mejor posicioacuten vi-sitada por la partiacutecula y la mejor posicioacuten visitada por alguacutenindividuo del enjambre pero en esta ocasioacuten deberaacute ubicarseen la solucioacuten con entradas enteras maacutes cercana En la Figura4 (a) se muestra el movimiento de una partiacutecula guiada porla mejor solucioacuten que ha visitado la mejor solucioacuten visita-da por el enjambre y su velocidad actual En este caso seilustra un ejemplo en el cual la partiacutecula se ubicariacutea en unaposicioacuten con entradas no enteras 4 (b) y por lo tanto es nece-sario ldquoreubicarlardquo mediante un redondeo en las entradas 4(c)

Figura 4 El movimiento de una partiacutecula

Ademaacutes para evitar una convergencia raacutepida se aplicoacute unmeacutetodo de exterminio donde cada 250 iteraciones se eliminaal 10 de las partiacuteculas y se sustituyen con nuevos individuosgenerados aleatoriamente De esta forma se mantiene unabuacutesqueda amplia en el espacio de soluciones y se aumentanlas probabilidades de encontrar soluciones de buena calidad

Experimentacioacuten y anaacutelisis de resultadosPara determinar la eficiencia del algoritmo se utilizaron

cuatro instancias generadas a partir del plan de estudios deIngenieriacutea Fiacutesica de la UAM-Azcapotzalco denominadas Ins-trumentacioacuten I Instrumentacioacuten II Tecnologiacutea I y Tecnologiacutea

II Para mayores detalles sobre estas instancias que se cons-truyeron con base en las aacutereas de concentracioacuten de esta inge-nieriacutea veacutease [7] dichas instancias se construyeron con base alas aacutereas de concentracioacuten de esta ingenieriacutea

Para cada instancia se ejecutaron 30 corridas del algorit-mo propuesto empleando 500 partiacuteculas en cada una de ellasEn cada corrida se realizaron 100000 llamadas a la funcioacutenobjetivo Al teacutermino de cada ejecucioacuten se determinoacute el tiempoocupado y la calidad de la mejor solucioacuten factible encontrada

Para determinar el nuacutemero de iteraciones y el nuacutemero departiacuteculas necesarias se empleoacute el meacutetodo de fuerza brutaEste procedimiento consiste en establecer un periodo t don-de de manera inicial se tiene una configuracioacuten arbitrariade los paraacutemetros del algoritmo denotada como θ la cuales utilizada para ejecutar el algoritmo evaluando los resulta-dos obtenidos posteriormente se altera uno de los paraacutemetrosde la configuracioacuten θdando como resultado una configuracioacutenθ1 dicha configuracioacuten es ocupada para la ejecucioacuten del algo-ritmo y se evaluacutean los resultados Una vez evaluadas ambasconfiguraciones se selecciona aquella configuracioacuten que gene-re los mejores resultados Varios autores explican que el pro-cedimiento de fuerza bruta es un proceso iterado de pruebay error [8]

Es importante destacar que algunas caracteriacutesticas del al-goritmo final se propusieron como estrategias que evitaranuna convergencia prematura de las partiacuteculas asiacute como su po-sible estancamiento en soluciones de mala calidad por ejem-plo el uso de un exterminio del 10 de la poblacioacuten no seencontraba en la versioacuten original del algoritmo Sin embargodespueacutes de muchas ejecuciones en las instancias propuestas seobservoacute que tras pocas iteraciones del algoritmo el enjambrese concentraba en una regioacuten reducida del espacio de solucio-nes con lo cual se reduciacutea el nuacutemero de soluciones visitadasdando resultados de baja calidad Por lo tanto era necesarioincorporar un elemento que moviera al enjambre hacia otrasregiones para obtener una mayor diversidad de soluciones vi-sitadas En este sentido el exterminio de algunas partiacuteculasy la creacioacuten de nuevos individuos introduce variedad en elenjambre disminuyendo la posibilidad de estancamientos Elnuacutemero de partiacuteculas que debiacutean exterminarse fue otro pa-raacutemetro que debioacute calibrarse si eran demasiadas se perderiacuteatodo el trabajo hecho para mejorar la calidad de las solucio-nes si eran muy pocas seriacutean ldquojaladasrdquo de forma muy raacutepidahacia al enjambre sin producir la diversidad buscada

En la Tabla 1 se presenta el porcentaje de soluciones fac-tibles encontradas para cada una de las instancias considera-das por ejemplo en la instancia de Instrumentacioacuten I existeuna probabilidad de 06334 de obtener una solucioacuten factible

En la Tabla 2 se muestra el valor promedio maacuteximo miacute-nimo y desviacioacuten estaacutendar del nuacutemero de restricciones vio-ladas para las 30 corridas realizadas sobre cada una de lasinstancias Se puede observar que en la instancia de Instru-mentacioacuten I se violan en promedio 06 restricciones en cadauna de las corridas lo cual es consistente con lo obtenido enla Tabla 1

En la Tabla 3 se muestra un anaacutelisis sobre el costo de lassoluciones entregadas por el algoritmo considerando las solu-ciones factibles y no factibles Se debe destacar que el miacutenimonuacutemero de trimestres encontrado por el algoritmo coincide

con el tiempo establecido por la universidad para concluir lacarrera de Ingenieriacutea Fiacutesica 13 trimestres

En la Tabla 4 se muestra un anaacutelisis sobre el tiempo deejecucioacuten Se observa que aunque en algunos casos se requirioacutemenos de 20 segundos para completar la ejecucioacuten del algo-ritmo en general se requeriraacute maacutes de un minuto para termi-nar el proceso Sin embargo se considera que estos tiemposson aceptables tomando en cuenta el esfuerzo que requeririacuteaobtener una solucioacuten con un meacutetodo exacto o mediante unproceso manual

Tabla 1 Eficacia de PSOInstancia Porcentaje de factibilidad

Instrumentacioacuten I 6334Instrumentacioacuten II 80

Tecnologiacutea I 90Tecnologiacutea II 9334

Tabla 2 Restricciones violadas con PSOInstancia Media Maacuteximo Miacutenimo Desviacioacuten

estaacutendarInstrumentacioacuten I 06 2 0 07310Instrumentacioacuten II 03 2 0 04241

Tecnologiacutea I 01 1 0 00931Tecnologiacutea II 00666 1 0 00643

Tabla 3 Soluciones factibles e infactibles con PSOInstancia Media Maacuteximo Miacutenimo Desviacioacuten

Tabla 4 Tiempo de ejecucioacutenInstancia Media Maacuteximo Miacutenimo Desviacioacuten

ConclusionesEn este trabajo se presentoacute un problema de empaqueta-

miento con restricciones de precedencia consistente en ubi-car un conjunto de UEA en el miacutenimo nuacutemero de trimestresrespetando restricciones de seriacioacuten miacutenimo nuacutemero de creacute-ditos antes de cursar una UEA y maacuteximo nuacutemero de creacuteditospor trimestre Por tratarse de un problema NP-Duro y trasconsiderar que se resolveriacutea una instancia mediana se decidioacuteimplementar un algoritmo basado en la heuriacutestica Optimiza-cioacuten por Enjambre de Partiacuteculas para generar soluciones delproblema planteado

Las instancias empleadas en este artiacuteculo fueron gene-radas a partir del plan de estudios de Ingenieriacutea Fiacutesica dela UAM-Azcapotzalco Es importante destacar que al iniciodel proceso de investigacioacuten se sabiacutea que estas UEA podiacuteandistribuirse en 13 trimestres pero se deseaba disentildear un al-goritmo maacutes general capaz de indicar el nuacutemero miacutenimo de

trimestres requeridos asiacute como la asignacioacuten correspondientea dicho nuacutemero de periodos

En el modelo se establecioacute que el nuacutemero maacuteximo de creacute-ditos por trimestre seriacutea de 56 para el primer trimestre y40 a partir del segundo Con estas restricciones las mejoressoluciones encontradas por el algoritmo requieren de 13 tri-mestres como lo estipula el plan de estudios Cada ejecucioacutendel algoritmo requirioacute menos de 3 minutos por lo cual seconsidera que es una herramienta adecuada para este tipo deproblemas Sin embargo auacuten queda trabajo por realizar porejemplo es importante mejorar la capacidad del algoritmo pa-ra devolver soluciones factibles En investigaciones futuras seanalizaraacute la posibilidad de incluir diferentes configuracionesde vecindarios que promuevan una mejor comunicacioacuten entrelas partiacuteculas Se espera que este tipo de estrategias manten-draacuten la diversidad de soluciones y evitaraacuten la convergenciaprematura

De esta forma se mostroacute la capacidad del algoritmopropuesto para obtener asignaciones de las UEA y paraestablecer el miacutenimo nuacutemero de trimestres necesarios paracursarlas

REFERENCIAS

1 Monette JN Schaus P Zampelli S Deville Y Dupont P(2007) ldquoA CP Approach to the Balanced Academic CurriculumProblemrdquo En Proc The Seventh International Workshop onSymmetry and Constraint Satisfaction Problems

2 Chiarandini M Gaspero L Gualandi S and Schaerf A (2012)ldquoThe balanced academic curriculum problem revisitedrdquo Journalof Heuristics Vol 8 No 1 pp 119-148

3 DellrsquoAmico M Diacuteaz Diacuteaz JC and Lori M (2012) ldquoThe binpacking problem with precedence constraintsrdquo Operations Re-search Vol 60 No 6 pp 1491-1504

4 Kennedy J Eberhart RC (1995) ldquoParticle swarm optimiza-tionrdquo En Proc of the IEEE International Conference on Neu-ral Networks Perth Western Australia

5 Silva Loacutepez RB Cruz Miguel RE Rincoacuten Garciacutea EA MoraGutieacuterrez RA Antonin P (2013) ldquoMethod of musical com-position and static topologies for resource constrained projectscheduling a case studyrdquo Research in Computing Science Vol6 pp 69-78

6 Kennedy J Eberhart RC (1997) ldquoA Discrete Binary Versionof the Particle Swarm Algorithmrdquo Systems Man and Cyber-netics Vol 5 pp 4104-4108

7 Castillo JD (2013) ldquoAdaptacioacuten de una teacutecnica heuriacutestica pararesolver un problema de programacioacuten de horariosrdquo Tesis delicenciatura Ingenieriacutea en Computacioacuten Universidad Autoacute-noma Metropolitana Unidad Azcapotzalco Distrito Federal

8 Birattari M (2009) ldquoTuning metaheuristics A machine learningperspectiverdquo Springer 2009

space in blank space in blank

SOBRE LOS AUTORES

Josue Daniel Castillo Cruz obtuvo su grado de licenciatura en Ingenieriacutea en Computacioacuten en laUniversidad Autoacutenoma Metropolitana Ha participado en diversos proyectos de coacutedigo abierto Susaacutereas de intereacutes son el desarrollo de software la mineriacutea de datos y la construccioacuten de compiladores

Roman Anselmo Mora Gutieacuterrez es Profesor visitante de la Universidad Autoacutenoma Metropolitanaen el aacuterea de Estadiacutestica e Investigacioacuten de Operaciones SNI nivel 1 Especialidad Meacutetodos heuriacutesticosbasados en sistemas sociales para la optimizacioacuten continua y discreta

Eric Alfredo Rincoacuten Garciacutea es Profesor Asociado de tiempo completo categoriacutea D de la Universi-dad Autoacutenoma Metropolitana Candidato al SNI Aacuterea de Optimizacioacuten Combinatoria Especialidadmeacutetodos heuriacutesticos para la optimizacioacuten combinatoria particularmente recocido simulado

Antonin Sebastien Ponsich Martiacutenez es Profesor Asociado de tiempo completo categoriacutea D dela Universidad Autoacutenoma Metropolitana Aacuterea de Optimizacioacuten Combinatoria SNI nivel 1 Especia-lidad meacutetodos heuriacutesticos para la optimizacioacuten continua y combinatoria particularmente algoritmosevolutivos

Nuevo sistema de informacioacuten de bajo costo basadoen tecnologiacutea Bluetooth para conocer el estado delas carreteras en tiempo realPedro Garciacutea-Fernaacutendez Pedro A Castillo Pablo Garciacutea-Saacutenchez Maribel G ArenasAntonio M Mora Gustavo Romero Juan J Merelo y Victor M Rivas

Obtener informacioacuten sobre coacutemo se encuentra el traacute-fico en cualquier momento en cualquiera de los kiloacuteme-tros de la red viaria significariacutea poder gestionar de formaoacuteptima una red de comunicaciones El objetivo de estetrabajo es conseguir un sistema de informacioacuten de bajocosto y autoacutenomo que nos proporcione informacioacuten so-bre el estado del traacutefico y uso de la red viaria por partede los vehiacuteculos permitieacutendonos conocer el estado de lascarreteras por medio de la monitorizacioacuten del traacutefico entiempo real Los sistemas de informacioacuten utilizados ac-tualmente para la recopilacioacuten de datos y generacioacuten deinformacioacuten presentan dos inconvenientes El primero esque no tienen capacidad para identificar e individualizarlos vehiacuteculos que detectan El segundo es su elevado cos-to ya que son caros por lo que se suelen ubicar en viacuteasprincipales y en salidas de grandes nuacutecleos de poblacioacutenEn esta investigacioacuten proponemos un sistema basado enel escaneo de los identificadores de dispositivos bluetooth

que hay en el entorno Se trata de un identificador uacuteni-co que permite saber el fabricante e incluso distinguir dequeacute tipo de dispositivo se trata (PC teleacutefono moacutevil equi-po manos libres etc) Se han recopilado gran cantidad dedatos del paso de dispositivos bluetooth para buscar apa-riciones (movimientos o desplazamientos) de un disposi-tivo en los diferentes puntos de captacioacuten determinar lafrecuencia de aparicioacuten de los dispositivos en un mismonodo calcular velocidades de movimiento entre nodos ocalcular el nuacutemero de dispositivos que pasan por ciertositio cada diacutea Tambieacuten se han obtenido numerosas esta-diacutesticas con las que hemos estudiado diversos indicadoresrelativos al uso de vehiacuteculos por parte de la poblacioacuten delaacuterea monitorizada La optimizacioacuten del uso de este sis-tema de informacioacuten que proporciona informacioacuten entiempo real a usuarios y gestores del traacutefico puede ser be-neficiosa para una regulacioacuten oacuteptima del traacutefico que logrela prevencioacuten de accidentes

Desarrollo de un prototipo de bajo costo para monitorear la densidad de

traacutefico y los desplazamientos realizados por los usuarios

IntroduccioacutenContar con un sistema de informacioacuten sobre el es-

tado del traacutefico y del uso dela red viaria por parte delos vehiacuteculos es clave en el contexto actual Con una po-blacioacuten cada vez maacutes informada y con dispositivos decomunicacioacuten ubicuos que poseen y usan la mayor par-te de la poblacioacuten obtener informacioacuten sobre coacutemo seencuentra el traacutefico en cualquiera de los casi 20000 kiloacute-metros con los que cuenta la red viaria nacional en Es-pantildea significariacutea poder gestionar de manera oacuteptima lared de comunicaciones Esta propuesta para el transpor-te supone disponer de un sistema de informacioacuten sobrelos movimientos de vehiacuteculos por la red viaria

Nuestro objetivo es obtener informacioacuten acerca de losflujos de traacutefico que se producen en una zona permitien-do poder gestionar de manera oacuteptima las decisiones dedesplazamiento por parte de los ciudadanos o desarrollarplanes de actuacioacuten concretos en cada caso

Los requerimientos para esta gestioacuten del transporteson

Dispositivo de captacioacuten autoacutenomo y versaacutetil parala recogida de datos y monitorizacioacuten

Recopilar los datos del traacutefico en tiempo real

Procesar los datos de manera correcta para poderofrecer la informacioacuten especiacutefica necesaria

Sistema que teniendo en cuenta la evolucioacuten de losdatos recopilados permita poder compartir esosdatos con aquellos que toman decisiones sobre mo-vilidad desde el punto de vista institucional o per-sonal

El dispositivo de captacioacuten basa su funcionamientoen la deteccioacuten de dispositivos bluetooth (BT) Concre-tamente se captaraacuten las ondas que emiten los diferentescomponentes tecnoloacutegicos que incorporan los vehiacuteculoslos accesorios que incorpora el usuario (GPS manos li-bres etc)asiacute como los propios teleacutefonos moacuteviles El prin-cipal dato que se monitoriza es la direccioacuten MAC (Media

Access Control address) de la tarjeta BT de los disposi-tivos que son captados por el nodo

La organizacioacuten de este trabajo es la siguiente enprimer lugar se detallan los objetivos planteados y sepresenta el instrumento de recopilacioacuten de datos utiliza-do En segundo lugar se muestran los diferentes anaacutelisisque se han llevado a cabo a partir de los datos obteni-dos Finalmente se presentan una serie de conclusionesy trabajos futuros

ObjetivosEl objetivo principal es conseguir un sistema de in-

formacioacuten de bajo costo de raacutepida implantacioacuten y dealta fiabilidad tal que informe sobre las condiciones deltraacutefico en tiempo real no soacutelo para las instituciones yorganismos encargados dela regulacioacuten y control del traacute-fico sino tambieacuten a usuarios particulares (a traveacutes dealertas moacuteviles mediante web etc)

Por tanto existen los siguientes elementos en el sis-tema de informacioacuten propuesto

Sistema de recopilacioacuten de datos incluye sen-sores para escanear e identificar continuamente losdispositivos BT El sistema usa una conexioacuten 3Gpara enviar los datos obtenidos de los demaacutes sen-sores

Sistema de procesado de datos para almacenary procesar correctamente todos los datos generadosa traveacutes de un servicio web

Servicio de informacioacuten para facilitar todos losdatos a los usuarios interesados en conocer el esta-do de las carreteras

Como instrumento de recopilacioacuten de datos se nece-sitaba una solucioacuten a medida Despueacutes de analizar di-ferentes soluciones basadas en un PC con antena BT odispositivos Android se buscoacute una opcioacuten que no ocu-pase mucho espacio que tuviese un consumo bajo y unacapacidad de deteccioacuten alta El desarrollo del dispositivohardware de deteccioacuten utilizado estaacute basado en tecnolo-giacutea que recopila informacioacuten del entorno y es capaz deenviar la informacioacuten a unos servidores centrales que in-terpretan la informacioacuten

El dispositivo utilizado es un pequentildeo ordenador au-toacutenomo que se instala en cualquier zona que se desee mo-nitorear (ver Figura 1) Cuenta con sensores bluetoothque permiten interpretar la informacioacuten del entorno co-mo el flujo-de-personas vehiacuteculos-que-pasan

La tecnologiacutea capta informacioacuten del entorno fiacutesico yayuda en la toma de decisiones a todo tipo de organiza-ciones en funcioacuten del anaacutelisis del flujo y comportamientode las personas

El sistema permite proporcionar informacioacuten a instituciones organismos yusuarios particulares

El costo de esta solucioacuten no es demasiado elevadoteniendo en cuenta que incluye costos de mantenimien-to informaacutetico de forma remota comunicacioacuten mediantetelefoniacutea 3G y almacenamiento y gestioacuten de los datos

Figura 1 Dispositivo utilizado con sensor bluetoothy modem USB para conexioacuten 3G conectados

Frente a otras tecnologiacuteas la representatividad de los da-tos es bastante precisa estimaacutendose un 85 de error en lasdetecciones

Mediante un despliegue de dispositivos por la ciudad es-tos dispositivos ofrecen informacioacuten de importancia para lossectores turiacutestico y comercial asiacute como para la movilidad enla ciudad

Para la recopilacioacuten de datos se han instalado seis dispo-sitivos encargados de enviar la informacioacuten a los servidorespara su posterior procesamiento La localizacioacuten concreta delos seis nodos que se utilizaron para la recogida de informa-cioacuten se detalla en la Tabla 1 y se muestra con detalle en elmapa de la Figura 2 Dichas localizaciones se establecieronbuscando la facilidad de montaje e instalacioacuten de los disposi-tivos de monitorizacioacuten

Tabla 1 Localizacioacuten de cada uno de los nodosId Nodo Localizacioacuten

1 Calle Julio Verne 22 Calle del Periodista Daniel Saucedo sn3 Plaza del Duque sn4 Autoviacutea de Sierra Nevada km 119 5505 Autoviacutea de Sierra Nevada km 1232506 Calle Goleta 1

Ademaacutes se ha configurado un website con un panel de in-formacioacuten para conocerlos principales datos de movilidad en

tiempo real a partir de la informacioacuten recopilada en la zonamonitorizada

Figura 2 Localizacioacuten exacta en el aacuterea metropolita-na de Granada de los seis nodos de monitorizacioacuten

Con el almacenamiento del paso de dispositivos BT re-cogidos en la base de datos se pueden calcular diferentesestadiacutesticas e indicadores sobre el uso de vehiacuteculos en la zonamonitorizada los haacutebitos de conduccioacuten e incluso el efectode los factores o eventos importantes (fechas clave o diacuteas nolaborables)

La informacioacuten recolectada se ha utilizado para obtenerdatos de

Nuacutemero total de vehiacuteculos detectados

Nuacutemero total de vehiacuteculos detectados en diacuteas labora-bles y no laborables

Nuacutemero de veces que se detectan los vehiacuteculos

Tipo de recorridos que realizan los vehiacuteculos

Densidad circulatoria en diferentes horarios y diferen-tes tipos de viacutea

Velocidad media en la viacutea en que se dispusieron dosnodos consecutivos

ResultadosA continuacioacuten en las siguientes subsecciones se muestra

el anaacutelisis de los datos recopilados durante el periodo de mo-nitorizacioacuten (del 8 de noviembre al 9 de diciembre de 2012)para obtener estadiacutesticas para el estudio del comportamientode los vehiacuteculos en la zona monitorizada

Total de vehiacuteculos detectados (laborables y fes-tivos)

En la primera parte del anaacutelisis se muestra el nuacutemero dedispositivos detectados por cada uno de los nodos instalados

Tabla 2 Nuacutemero de dispositivos BT totalesdetectados en cada uno de los nodos

Id Nodo Nuacutemero de dispositivos detectados1 314082 450323 331654 3584945 2978746 7872

En total se han detectado 773845 dispositivos BT poralguno de los seis nodos Como se observa en la Tabla 2los dos nodos situados en la autoviacutea de Sierra Nevada (A44Circunvalacioacuten de Granada nodos 4 y 5) son los que maacutesdatos han recopilado

Total de vehiacuteculos detectados en diacuteas no labora-bles

A continuacioacuten y para comparar la intensidad circulato-ria entre diacuteas laborables y no laborables se ha calculado elnuacutemero de pasos en diacuteas festivos y no laborables

Tabla 3 Nuacutemero de dispositivos BT totalesdetectados en cada uno de los nodos exclusivamente

en diacuteas no laborablesId Nodo Nuacutemero de dispositivos detectados

1 21492 28043 28324 321825 241666 1269

Figura 3 Total de dispositivos diferentes detectadosen cada rango horario por nodos Para cada rango dehoras se muestra el total detectado en cada uno delos seis nodos El nuacutemero de dispositivos se muestraen escala logariacutetmica

La Tabla 3 muestra un descenso en el nuacutemero de dispo-sitivos detectados por todos los nodos en diacuteas no laborablesfrente al nuacutemero de detecciones en diacuteas laborables Aun asiacutelos nodos situados en la autoviacutea de Sierra Nevada siguenrecogiendo muchos maacutes datos que el resto debido al traacuteficodenso que soporta esta viacutea en diacuteas no laborables puesto queson puntos de paso para ir a zonas comerciales o de entraday de salida del nuacutecleo urbano de Granada hacia otros nuacutecleoscomo Jaeacuten Murcia Madrid etc

Densidad del traacutefico en la viacutea por horas y detec-ciones totales por rango horario

La densidad circulatoria por horas podemos calcularla apartir del total de dispositivos diferentes detectados en cadarango horario en cada nodo

La Figura 3 muestra mayor densidad en todos los nodosdurante las denominadas horas pico de entrada o salida parair al trabajo yo colegios

Adicionalmente se puede calcular para cada nodo elnuacutemero de pasos totales de los dispositivos en cada ran-go horario incluyendo repeticiones del mismo dispositivoAl igual que en el caso anterior seguiremos observando lamayor densidad circulatoria en todos los nodos en horas pico

Nuacutemero de apariciones de los vehiacuteculos indivi-dualizados

A continuacioacuten podemos sacar partido de la capacidad delsistema propuesto para individualizar los dispositivos BT pu-diendo detectar si esos mismos vehiacuteculos repiten su paso pordiferentes nodos

En la Figura 4 podemos ver que hay una gran cantidadde vehiacuteculos que repiten su paso por ciertos nodos (principal-mente los situados en la A44) hasta10 veces Incluso se puedever que en los nodos 4 y 5 hay alrededor de 1000 vehiacuteculosque repiten su paso maacutes de 25 veces En el resto de los nodosmaacutes de 25 repeticiones del mismo dispositivo se han detectadoalrededor de 120 veces

Figura 4 Total de dispositivos detectados cierto nuacute-mero de veces (repetidas apariciones del mismo dis-positivo) por nodos El nuacutemero de dispositivos semuestra en escala logariacutetmica

Complejidad de los desplazamientosEn el estudio de la complejidad de los desplazamientos se

han calculado el nuacutemero de vehiacuteculos que han pasado por 2nodos por 3 nodos y hasta 6 nodos En la Tabla 4 se muestra

ademaacutes el nuacutemero medio de veces que han pasado los vehiacutecu-los por 2 3 4 5 o 6 nodos

La informacioacuten anterior se complementa visualmente conla Figura 5 en la que se muestra (en escala logariacutetmica) cuaacuten-tos coches pasan soacutelo por un nodo por dos nodos por tresnodos etc En este caso el eje de la variable independiente(X) representa el nuacutemero de veces detectado y no el nuacutemerode nodo en el que se ha recolectado el dato

Como se esperaba gran parte de los dispositivos BT pa-san pocas veces por casi todos los nodos mientras que la ma-yoriacutea pasa soacutelo por uno o dos de ellos (sus desplazamientosse centran en una parte de la zona pequentildea monitorizada)

Nuacutemero de vehiacuteculos que han pasado por 2 nodospor 3 nodos y hasta 6nodos y el nuacutemero medio de

veces que han pasado los vehiacuteculos por 1 2 3 4 5 oacute6 nodos

Nuacutem Nuacutem de Total de Media plusmnnodos dispositivos pasos desv estaacutendar

1 72989 165033 226 plusmn 31162 53947 425667 789 plusmn 11483 8125 131570 1619 plusmn 24714 1359 39241 2888 plusmn 140825 254 8603 3387 plusmn 59516 61 3731 6116 plusmn 9478

Figura 5Coches que pasan soacutelo por un nodo por dosnodos por tres nodos etc El nuacutemero de dispositivosse muestra en escala logariacutetmica

Anaacutelisis de la velocidad de los vehiacuteculos entredos nodos consecutivos

Por uacuteltimo a partir de los dos nodos consecutivos loca-lizados en la autoviacuteaA44 podemos calcular velocidades me-dias en el tramo delimitado por los nodos4 (situado en el km119550) y 5 (situado en el km 123250) de un total de 3700metros

En dicho tramo la velocidad estaacute limitada a 100 kmhsin embargo y aunque la mayoriacutea respetan el liacutemite vemosque una gran cantidad de coches superan dicha limitacioacuten(ver Figura 6)

ConclusionesLos sistemas de informacioacuten utilizados actualmente pa-

ra la recopilacioacuten de datos sobre el estado de las carreterascarecen de la capacidad para individualizarlos vehiacuteculos quedetectan o bien presentan un elevado costo En este trabajo

se ha presentado un nuevo sistema de informacioacuten de bajocosto para monitorear el traacutefico en tiempo real

El objetivo principal es la obtencioacuten de indicadores de ex-posicioacuten mediante un nuevo sistema basado en la deteccioacuten dedispositivos BT que pasan por diferentes nodos de informa-cioacuten De esta forma hemos podido monitorear la densidad detraacutefico y los desplazamientos realizados por los usuarios in-dividualizando los vehiacuteculos conforme se mueven entre nodosdentro de la zona

Asiacute pues se ha utilizado una solucioacuten hardware de de-teccioacuten descartando otras opciones maacutes costosas por su altoconsumo de energiacutea o por su corto alcance en el escaneo

Ademaacutes se han tenido en cuenta diferentes tipos de viacuteacon muy distintos tipos de traacutefico Tambieacuten se han obteni-do estadiacutesticas en funcioacuten de los diacuteas dela semana y de loshorarios de circulacioacuten

Se han realizado diversos anaacutelisis de los datos recopiladosdurante el periodo de monitorizacioacuten (del 8 de noviembre al9 de diciembre de 2012) para obtener diferentes estadiacutesticas

Concretamente se ha estudiado el nuacutemero total devehiacuteculos detectados por cada nodo en diacuteas laborables o fes-tivos Tambieacuten se ha estudiado la densidad del traacutefico porrango horario y los desplazamientos individuales analizaacutendo-se la velocidad media en un tramo delimitado por dos nodosconsecutivos

Figura 6 Velocidades medias en el tramo delimitadopor los nodos 4 y5 situados en la autoviacutea de SierraNevada

Finalmente ha quedado demostrada la potencia y fun-cionalidad del sistema que se complementa con el desarrollode un conjunto de servicios web para facilitar el acceso a lainformacioacuten en tiempo real pudiendo realizar diferentes tiposde consultas

Como trabajos futuros se abren diversas liacuteneas de inves-tigacioacuten centradas principalmente en el procesamiento de losdatos recogidos mediante algoritmos complejos de mineriacuteade datos [1] computacioacuten evolutiva [2] redes neuronales [3]aprendizaje automaacutetico [4] y de meacutetodos estadiacutesticos [5] quese iraacuten desarrollando e integrando como servicios web en elsistema [6][7][8] La idea es desarrollar en el futuro un sis-tema de prediccioacuten y ayuda a la toma de decisiones capazde aplicar conocimiento en aplicaciones relacionadas con lamovilidad

Se espera que el desarrollo e implantacioacuten de este tipo desistemas ofrezca una serie de servicios de informacioacuten con va-lor antildeadido que no se consiguen con las tecnologiacuteas actuales

Agradecimientos

La preparacioacuten de este trabajo fue apoyada por el proyec-to ldquoSistema de Informacioacuten de bajo costo para conocer elestado de las carreteras en tiempo realrdquo (Expediente de con-tratacioacuten 0100DGT21285) de la Direccioacuten General de Traacutefico

Este trabajo se estaacute desarrollando gracias al financiamientodel proyecto FEDER de la Unioacuten Europea con tiacutetulo ldquoSiste-ma de Informacioacuten y Prediccioacuten de bajo costo y autoacutenomopara conocer el Estado de las Carreteras en tiempo realmediante dispositivos distribuidosrdquo (SIPEsCa) del Progra-ma Operativo FEDER de Andaluciacutea 2007-2013 Asimismoqueremos mostrar nuestro agradecimiento al personal e in-vestigadores de la Agencia de Obra Puacuteblica de la Junta deAndaluciacutea Consejeriacutea de Fomento y Vivienda por su dedi-cacioacuten y profesionalismo

REFERENCIAS

1 Hastie T Tibshirani R Friedman J (2009) ldquoThe Elements ofStatistical Learning Data Mining Inference and PredictionrdquoSpringer Series in Statistics Second Edition Springer

2 Yang XS (2010) ldquoNature-Inspired Metaheuristic Algorithmsrdquo2nd Edition Luniver Press

3 Castillo PA Arenas MG Castellano JG et al (2001) ldquoFun-ction approximation with evolved multilayer perceptronsrdquo Ni-kos E Mastorakis (Ed) Advances in Neural Networks andApplications Artificial Intelligence Series pp 195-200

4 Arenas MG Castillo PA Romero G et al (2005) ldquoCoevol-ving multilayer perceptrons along training setsrdquo En Advancesin Soft Computing 8th Fuzzy Days Proceedings pp 503-513

5 Han J Kamber M (2006) ldquoData Mining Concepts and Tech-niquesrdquo 2nd edition Morgan Kaufmann

6 Garcia-Sanchez P Merelo JJ Sevilla JP et al (2007) ldquoPlata-forma de integracioacuten de servicios para la administracioacuten basadaen BPELy SOArdquo En E B Lopez de Roda et al (Eds) Actasde las III Jornadas en Servicios Weby SOA pp 111-118

7 Papazoglou MP Van Den Heuvel W (2007) ldquoService orien-ted architectures Approaches technologies and research issuesrdquoVLDB Journal Vol 16 No 3 pp 389-415

8 Castillo PA Arenas MG Garciacutea-Saacutenchez P et al (2012)ldquoDistributed Evolutionary Computation using SOAP and RESTWeb Servicesrdquo Advances in Intelligent Modelling and Simula-tion Artificial Intelligence-Based Models and Techniques inScalable Computing Series Studies in Computational Inte-lligence Vol 422 pp 89-112

SOBRE LOS AUTORES

Pedro Garciacutea Fernaacutendez es Ingeniero Teacutecnico Industrial por la Universidad del Paiacutes Vasco (1994)Ingeniero y Doctor Ingeniero en Electroacutenica (1997 2000) por la Universidad de Granada Actualmente esProfesor en el Departamento de Electroacutenica y Tecnologiacutea de Computadores de la Universidad de Granadae investigador de proyectos autonoacutemicos nacionales e internacionales

Pedro A Castillo Valdivieso es licenciado y doctor en Informaacutetica por la Universidad de Granada(1997 y 2000) Actualmente es profesor titular de universidad asignado al departamento de Arquitectura yTecnologiacutea de Computadores de la misma Ha sido investigador principal de tres proyectos del plan propiode la Universidad de Granada y un proyecto autonoacutemico ademaacutes de haber participado en varios proyectosnacionales e internacionales

Pablo Garciacutea Saacutenchez es Ingeniero en Informaacutetica por la Universidad de Granada Actualmente esbecario del programa de Formacioacuten del Profesorado Universitario (FPU) en el Departamento de Arqui-tectura y Tecnologiacutea de Computadores de la Universidad de Granada La temaacutetica de su tesis doctoralesla Arquitectura Orientada a Servicios para Algoritmos Evolutivos Otras liacuteneas de investigacioacuten son lasaplicaciones de algoritmos evolutivos en aacutereas como la inteligencia computacional aplicada a videojuegoso la transformacioacuten automaacutetica de documentos

Maribel Garciacutea Arenas es licenciada y doctor en Informaacutetica por la Universidad de Granada (1998y 2003) Actualmente es profesora en el Departamento de Arquitectura y Tecnologiacutea de Computadoresde la Universidad de Granada participando como investigadora en proyectos autonoacutemicos nacionales einternacionales

Gustavo Romero Loacutepez es licenciado y doctor en Informaacutetica por la Universidad de Granada (1997y 2003)Desde el antildeo 2001 es profesor colaborador en el Departamento de Arquitectura y Tecnologiacutea deComputadores de la Universidad de Granada Participa como investigador en proyectos de investigacioacuteneuropeos nacionales y autonoacutemicos Entre las materias de su intereacutes destacan los sistemas operativos laseguridad informaacutetica los algoritmos evolutivos y las redes neuronales

Juan Juliaacuten Merelo Guervoacutes es licenciado y doctor en Fiacutesicas por la Universidad de Granada (1988 y1994) catedraacutetico de Arquitectura y Tecnologiacutea de Computadores en el departamento del mismo nombreHa sido investigador principal de media docena de proyectos nacionales un proyecto internacional yaproximadamente quince contratos universidad-empresa Actualmente es director de la Oficina de SoftwareLibre de la Universidad de Granada

Antonio M Mora Garciacutea es Ingeniero Informaacutetico y Doctor en Informaacutetica por la Universidad deGranada (2001 y 2009) Investigador contratado dentro del marco de un proyecto de Excelencia de laJunta de Andaluciacutea Entre sus liacuteneas de investigacioacuten destacan las aplicaciones de algoritmos evolutivosen aacutereas como la inteligencia computacional aplicada a videojuegos

Victor Manuel Rivas Santos es licenciado y doctor en Informaacutetica por la Universidad de Granada(1994 2003) Actualmente es titular de Universidad en el Departamento de Informaacutetica de la Universidadde Jaeacuten Entre sus liacuteneas de investigacioacuten destacan la prediccioacuten de traacutefico mediante co-evolucioacuten de RedesNeuronales de funciones de Base Radial y seleccioacuten de variables de entrada

Antildeo VI Vol I Enero - Abril 2014 Artiacuteculos de divulgacioacuten Komputer Sapiens 18 36

Planificacioacuten de tareas en sistemas cluster grid ycloud utilizando algoritmos evolutivosSergio Nesmachnow

Este trabajo presenta la aplicacioacuten de teacutecnicas de compu-tacioacuten evolutiva para la resolucioacuten eficiente de diversasvariantes del problema de planificacioacuten de tareas enentornos distribuidos de computacioacuten heterogeacutenea Sepresenta el modelo del problema las teacutecnicas de compu-tacioacuten evolutiva y los algoritmos utilizados para la re-solucioacuten del problema de planificacioacuten y se reportan losprincipales resultados experimentales obtenidos al resol-ver instancias realistas del problema

IntroduccioacutenEn la actualidad una plataforma habitual para la

resolucioacuten de problemas que requieren grandes recursoscomputacionales consiste en la agregacioacuten (clusters) decomputadores heterogeacuteneos Usualmente estas platafor-mas estaacuten distribuidas geograacuteficamente e interconectadaspor mecanismos de comunicacioacuten que permiten instru-mentar las nuevas plataformas de computacioacuten grid ycloud [2]

El problema de planificacioacuten de tareas es muy impor-tante para instrumentar un adecuado uso de las plata-formas computacionales por parte de diferentes usuariossimultaacuteneamente El principal objetivo de este problemaes satisfacer los requisitos de los usuarios (la ejecucioacutende sus aplicaciones en la infraestructura computacional)de modo eficiente en el menor tiempo posible y sin pos-tergar a determinados usuarios ni introducir grandes de-moras en las filas de espera por recursos de coacutemputoUn planificador preciso es una herramienta de gran im-portancia para la integracioacuten de recursos geograacuteficamen-te distribuidos incluyendo supercomputadores clusterstradicionales y no tradicionales sistemas grid y cloudetc

En los uacuteltimos veinte antildeos las teacutecnicas de inteligen-cia artificial se han aplicado en para resolver eficiente-mente el problema de planificacioacuten de tareas en recursoscomputacionales heterogeacuteneos Enfoques como las redesneuronales estrategias basadas en loacutegica difusa y di-versas teacutecnicas heuriacutesticas y metaheuriacutesticas han sidoutilizados para proporcionar soluciones al problema deplanificacioacuten Las teacutecnicas de computacioacuten evolutiva sonmetaheuriacutesticas que aplican una analogiacutea al proceso deevolucioacuten natural de los seres vivos para resolver pro-blemas de optimizacioacuten y buacutesqueda Han sido aplicadasexitosamente para resolver problemas de variada iacutendoleen diversas aacutereas de la informaacutetica entre ellos problemasde planificacioacuten en los uacuteltimos quince antildeos Este artiacutecu-

lo reporta las actividades de investigacioacuten enfocadas enla aplicacioacuten de algoritmos evolutivos para la resolucioacuteneficiente del problema de planificacioacuten de tareas en en-tornos distribuidos de computacioacuten heterogeacutenea

El artiacuteculo se estructura del modo que se describe acontinuacioacuten La seccioacuten 2 presenta una descripcioacuten delproblema de planificacioacuten de tareas en entornos distri-buidos de computacioacuten heterogeacutenea La seccioacuten 3 ofreceuna introduccioacuten general a las teacutecnicas de computacioacutenevolutiva y la seccioacuten 4 describe los algoritmos evolutivosutilizados en los estudios reportados en este trabajo Losprincipales resultados experimentales obtenidos en laliacutenea de investigacioacuten se resumen en la seccioacuten 5 Final-mente la seccioacuten 6 presenta las conclusiones del trabajo ycomenta las principales liacuteneas de trabajo actual y futuro

Planificacioacuten de Tareas en Sistemas de CoacutemputoHeterogeacuteneos

El problema de planificacioacuten de tareas en entornos decoacutemputo heterogeacuteneos cluster grid y cloud se define porlos siguientes elementos

Un sistema distribuido compuesto por un conjuntode recursos computacionales heterogeacuteneos ie condiferentes capacidades de coacutemputo

Un conjunto de tareas a ejecutar enviadas por par-te de los usuarios en el sistema computacional dis-tribuido

Una funcioacuten de tiempo de ejecucioacuten que determi-na el tiempo necesario para ejecutar cada tarea encada recurso computacional del sistema

Diversas variantes del problema de planificacioacuten seplantean al considerar diferentes objetivos o meacutetricas aoptimizar Entre los objetivos maacutes frecuentemente estu-diados se plantea minimizar el makespan y el flowtimede una planificacioacuten El makespan es una meacutetrica rele-vante para evaluar la utilizacioacuten de los recursos compu-tacionales para un conjunto de tareas que se define comoel tiempo que transcurre entre el inicio de la ejecucioacuten dela primera tarea hasta la finalizacioacuten de la uacuteltima tareaplanificada El flowtime evaluacutea la suma de los tiemposde ejecucioacuten de un conjunto de tareas y es una meacutetricaimportante desde el punto de vista del usuario ya querefleja el tiempo de respuesta de un sistema computacio-nal para el conjunto de tareas a ejecutar Otros objetivos

relevantes para el usuario y para el gestor de la plata-forma computacional incluyen el consumo energeacutetico laconfiabilidad de la asignacioacuten respecto a los fallos de losrecursos de coacutemputo etc

La Figura 1 presenta un esquema del rol del planifica-dor como gestor centralizado de un grupo diverso de in-fraestructuras de coacutemputo heterogeacuteneas El planificadorrecibe las solicitudes de ejecucioacuten de tareas por parte delusuario y aplica teacutecnicas de inteligencia computacional

para determinar una planificacioacuten que optimice los crite-rios considerados para proveer una adecuada utilizacioacutende los recursos computacionales y una buena calidad deservicio a los usuarios del sistema

El problema de planificacioacuten de tareas es un proble-ma combinatorio de gran complejidad (NP-difiacutecil [3]) yaque el espacio de posibles soluciones crece exponencial-mente con el nuacutemero de tareas a asignar en los recursosde coacutemputo

El trabajo presenta el problema de planificacioacuten de sistemascomputacionales distribuidos (HCSP) que tiene aplicacioacuten directa en la

realidad actual

Planificacioacuten de tareas en sistemas heterogeacuteneos dis-tribuidos (cluster grid y coud)

Teacutecnicas de Computacioacuten Evolutiva

Las teacutecnicas de computacioacuten evolutiva son meacutetodosde inteligencia computacional que emulan el proceso deevolucioacuten natural de los seres vivos con el objetivo deresolver problemas de optimizacioacuten buacutesqueda y apren-dizaje [4] Inicialmente propuestas en la deacutecada de 1970las teacutecnicas de computacioacuten evolutiva se consolidaron co-mo estrategias eficientes de resolucioacuten de problemas enla deacutecada de 1990 y hoy en diacutea constituyen una de lasalternativas maacutes utilizadas para abordar problemas deoptimizacioacuten complejos

Un diagrama geneacuterico de un Algoritmo Evolutivo(AE) se presenta en el Algoritmo 1 El AE es una teacutecni-ca iterativa (cada iteracioacuten se denomina generacioacuten) queaplica operadores estocaacutesticos sobre un conjunto de indi-viduos (la poblacioacuten P) Cada individuo en la poblacioacutenrepresenta una solucioacuten tentativa al problema a resolver(en nuestro caso son posibles planificaciones de tareas) ytiene asociado un valor de fitness que representa la ade-cuacioacuten de la solucioacuten para resolver el problema y se rela-

ciona con la(s) funcioacuten(es) objetivo considerada(s) en lavariante del problema Inicialmente la poblacioacuten se gene-ra de forma aleatoria o aplicando una heuriacutestica especiacutefi-ca (y simple) para resolver el problema Iterativamentela aplicacioacuten probabiliacutestica de operadores de variacioacutencomo la recombinacioacuten de dos individuos y la aplicacioacutende cambios aleatorios (mutacioacuten) en su contenido y lautilizacioacuten de una teacutecnica de seleccioacuten de soluciones queemula a la seleccioacuten natural dando mayor posibilidad desupervivencia a los individuos maacutes aptos (de acuerdo asus valores de fitness) conduce a la poblacioacuten del AE asoluciones de mejor calidad para el problema

La condicioacuten de parada del AE usualmente involucraun nuacutemero determinado de generaciones o un tiempoliacutemite de ejecucioacuten una cota de calidad en los valores defitness o la deteccioacuten de una condicioacuten de convergenciaEstrategias especiacuteficas se utilizan para seleccionar los in-dividuos a recombinar (el operador de Seleccioacuten) y paradeterminar queacute individuos se insertan en la poblacioacutenluego de aplicar los operadores evolutivos (el operadorde Reemplazo) Finalmente el AE retorna el mejor indi-viduo (solucioacuten) encontrado en el proceso tomando encuenta la funcioacuten de fitness considerada

Algoritmo 1 Esquema geneacuterico de un AlgoritmoEvolutivo

1 Inicializar(P(0))2 generacioacuten = 03 mientras no se cumpla criterio de parada hacer4 Evaluar fitness (P(generacioacuten))5 padres = Seleccioacuten (P(generacioacuten))6 hijos = Aplicar recombinacioacuten y mutacioacuten

(padres)7 nueva_poblacioacuten = Reemplazo (hijos

P(generacioacuten))8 generacioacuten = generacioacuten + 19 P(generacioacuten) = nueva_poblacioacuten10 fin mientras11 retornar mejor individuo hallado

La Figura 2 ejemplifica la operativa de dos operado-res de variacioacuten tradicionalmente empleados en AEs eloperador de recombinacioacuten cruzamiento de un punto y

la mutacioacuten de inversioacuten de bit Ambos ejemplos se pre-sentan para una codificacioacuten binaria de soluciones paraun problema de optimizacioacuten

Se describen teacutecnicas de computacioacuten evolutiva para la resolucioacuten delproblema HCSP incluyendo propuestas novedosas por parte del grupo de

investigacioacuten

Mediante el esquema presentado la idea clave detraacutesde un AE es manipular o evolucionar el conjunto desoluciones tentativas del problema guiando la buacutesque-da hacia mejores soluciones (potencialmente hacia lasolucioacuten oacuteptima) La estrategia se inspira en la teoriacuteaneo-darwinista de la evolucioacuten natural en un ecosis-tema de seres vivos los individuos (padres) se cruzane intercambian material geneacutetico para generar nuevosindividuos (hijos) El comportamiento de la poblacioacutenqueda determinado por un mecanismo de supervivenciade los individuos maacutes aptos que tendraacuten mayores po-sibilidades de sobrevivir y perpetuar sus caracteriacutesticas

Figura 2 Ejemplos de aplicacioacuten de operadores evo-lutivos

Algoritmos Evolutivos para Planificacioacuten en Sis-temas de Coacutemputo Heterogeacuteneos

En nuestro grupo de investigacioacuten en la Universidadde la Repuacuteblica hemos trabajado en la resolucioacuten de di-ferentes variantes del problema de planificacioacuten de tareasen entornos de coacutemputo heterogeacuteneos considerando di-ferentes objetivos

Entre las variantes del problema abordadas con AEse incluyen (i) el problema de minimizacioacuten de makes-pan (HCSP por sus siglas en ingleacutes) (ii) el problemamultiobjetivo de minimizacioacuten de makespan y tiempo derespuestaflowtime (MF-HCSP) y (iii) el problema mul-tiobjetivo de minimizacioacuten de makespan y energiacutea (ME-HCSP) Los detalles de cada variante del problema y lasinstancias resueltas en cada anaacutelisis experimental puedenconsultarse en el sitio web del problema HCSP websitewwwfingeduuyincogruposcecalhpcHCSP

Los AE aplicados a las diferentes variantes del pro-blema incluyen

Algoritmo Geneacutetico (AG) el maacutes simple y maacutes di-fundido de los AE que utiliza operadores tradicio-

nales de cruzamiento y mutacioacuten para la buacutesquedade soluciones El AG fue aplicado en versiones se-cuenciales y paralelas [7]

Algoritmo CHC una variante de AE que utilizauna seleccioacuten elitista y aplica una restriccioacuten a larecombinacioacuten de soluciones permitiendo solamen-te cruzar padres que difieran entre siacute en un nuacuteme-ro (variable) de elementos Se emplea el operadorde recombinacioacuten Half Uniform Crossover (HUX)que intercambia exactamente la mitad de los ele-mentos diferentes entre los padres El algoritmo noutiliza mutacioacuten en su lugar se aplica un procedi-miento de reinicializacioacuten para proveer diversidada la poblacioacuten cuando se detecta una situacioacuten deestancamiento El algoritmo CHC fue utilizado ensus versiones secuenciales y paralelas [8]

El nuevo algoritmo micro-CHC paralelo una pro-puesta original de nuestro grupo de trabajo que de-mostroacute ser el mejor algoritmo conocido para resol-ver instancias de prueba estaacutendar del HCSP y tam-bieacuten nuevas instancias de mayor dimensioacuten Micro-CHC trabaja con una micropoblacioacuten (de hastaocho individuos) e incorpora un modelo de subpo-blaciones paralelas una reinicializacioacuten aceleraday un meacutetodo de buacutesqueda local para calcular solu-ciones precisas en tiempos de ejecucioacuten reducidos[6]

Algoritmos evolutivos multiobjetivo (MOEAs) pa-ra resolver las variantes de optimizacioacuten simultaacute-nea de makespan-tiempo de respuesta y makespan-flowtime Los algoritmos aplicados incluyen micro-CHC biobjetivo [9] y los algoritmos NSGA-IISPEA-2 MOCell micro-CHC y MOCHC en ver-siones secuenciales y paralelas [10]

Las versiones paralelas de los AE anteriormente des-critos han sido concebidas para mejorar el desempentildeocomputacional y la eficacia de la buacutesqueda Median-te la utilizacioacuten cooperativa de muacuteltiples elementos deprocesamiento los AE paralelos permiten resolver efi-cientemente problemas de gran complejidad en tiemposrazonables [1] En el caso particular de las variantes delproblema de planificacioacuten de tareas que se abordaron en

la investigacioacuten los AE paralelos demostraron ser capa-ces de calcular planificaciones de alta calidad en tiemposde ejecucioacuten del orden de un minuto

Principales resultados experimentalesLos algoritmos presentados fueron evaluados experi-

mentalmente sobre escenarios realistas para cada varian-te del problema de planificacioacuten El anaacutelisis siguioacute unametodologiacutea precisa para comparar los resultados con losmejores resultados existentes para cada caso y tambieacutencon las heuriacutesticas especiacuteficas maacutes comuacutenmente utiliza-das para resolver cada problema Esta seccioacuten presentaun resumen de los principales resultados alcanzados enla investigacioacuten

Los AE presentados en [7] fueron capaces de resolvereficientemente instancias estaacutendar del problema con 516tareas y 16 recursos de coacutemputo El AG paralelo alcanzoacute

mejoras de hasta 174 (y 97 en promedio) sobre lasheuriacutesticas tradicionales mientras que el CHC paraleloalcanzoacute mejoras de hasta el 186 (y 109 en pro-medio) y superoacute a los mejores resultados conocidos para6 de las 12 instancias del HCSP abordadas Ademaacutes alcomparar con cotas inferiores calculadas para una rela-jacioacuten del problema el CHC paralelo demostroacute obtenermaacutes del 80 de la mejora ideal para las instancias delHCSP estudiadas

El CHC paralelo propuesto en [8] afrontoacute instanciassignificativamente de mayor dimensioacuten que las aborda-das previamente en la literatura (hasta 8192 tareas y256 recursos de coacutemputo) El AE utilizado logroacute mejorassignificativas de entre 160 y 220 sobre las heu-riacutesticas de lista tradicionales y los mejores resultados seobtuvieron para instancias de mayor dimensioacuten

Se resentildean los principales resultados obtenidos para diversas variantes delproblema utilizando algoritmos evolutivos y las mejoras respecto a

resultados previos

La nueva propuesta algoriacutetmica del micro-CHC pa-ralelo presentada en [6] permitioacute calcular los mejores re-sultados conocidos para todas las instancias del HCSPde diversas dimensiones superando a heuriacutesticas y me-taheuriacutesticas previamente utilizadas para resolver el pro-blema Las mejoras reportadas sobre las heuriacutesticas delista se ubicaron entre 170 y 273 y las mejorasdel makespan sobre el CHC paralelo previamente dise-ntildeado fueron de hasta un 49

Las variantes multiobjetivo del problema fueron es-tudiadas en [9] utilizando un micro-CHC biobjetivo y en[10] utilizando varios AE para optimizacioacuten multiobje-tivo Los resultados obtenidos con micro-CHC biobjeti-vo mostraron que fue posible calcular planificaciones conmejoras de hasta 265 en makespan y 883 en tiem-po de respuesta sobre la mejor heuriacutestica de lista Por suparte el algoritmo MOCell el mejor MOEA de los estu-diados en [10] alcanzoacute mejoras de 219 en makespany 179 en flowtime sobre los resultados calculados conheuriacutesticas de lista Asimismo los MOEAs y en espe-cial MOCell fueron capaces de calcular soluciones condiferentes valores de compromiso entre los objetivos es-tudiados y cubrir adecuadamente el frente de Pareto delproblema tal como lo demuestra el anaacutelisis de meacutetricasde convergencia y cobertura realizado para cada MOEA

La variante del HCSP que optimiza makespan y con-sumo energeacutetico de los recursos computacionales quecomponen el sistema cluster grid o cloud fue resueltacon un algoritmo poblacional que utiliza buacutesqueda local(MLS) en el artiacuteculo [5] Las mejores planificaciones cal-culadas por el algoritmo MLS mejoraron a las halladas

por heuriacutesticas de lista en 140 en el makespan y en139 en el consumo energeacutetico

Todos los resultados previamente comentados fue-ron validados estadiacutesticamente utilizando test no-parameacutetricos (Kruskal-Wallis y Shapiro-Wilk) para es-tudiar las distribuciones de resultados y analizar la sig-nificancia estadiacutestica de las mejoras obtenidas por cadaalgoritmo para cada variante del problema obtenieacutendosemejoras significativas en todos los casos

La Tabla 1 resume los principales resultados experi-mentales obtenidos para las variantes del HCSP estudia-das en nuestro grupo de trabajo

ConclusionesEste trabajo ha resentildeado los avances en la aplicacioacuten

de algoritmos evolutivos al problema de planificacioacuten detareas en infraestructuras de coacutemputo heterogeacuteneas clus-ter grid y cloud El problema abordado en la investiga-cioacuten tiene gran relevancia en la actualidad donde lossistemas computacionales distribuidos son cada vez maacutesutilizados para resolver problemas de gran complejidad

Los resultados experimentales reportados en la sec-cioacuten previa demuestran la utilidad de los AE en sus ver-siones monomultiobjetivo y secuencialesparalelas parala resolucioacuten de diferentes variantes del problema de pla-nificacioacuten Los AE estudiados fueron capaces de calcularplanificaciones de gran calidad en tiempos de ejecucioacutenreducidos superando significativamente a las calculadascon heuriacutesticas tradicionales y tambieacuten a otros algorit-mos previamente utilizados para resolver el problema

La planificacioacuten de tareas en sistemas cluster grid y cloud ha cobradomayor importancia en los uacuteltimo antildeos

Tabla 1 Resumen de principales resultados sobre el problema de planificacioacuten de tareas

Algoritmo(s) Variante del problemaMejores resultados (sobre los mejores

conocidos previamente)GA CHC [7] makespan 6 mejores soluciones

CHC y CHC paralelo [8] makespan 16-22 de mejora

Micro-CHC paralelo [6] makespanmejor algoritmo para el HCSP

(17-27 mejora)

Micro-CHC biobjetivo [9]makespantiempo mejora de 26 (makespan)

de respuesta mejora de 88 (tiempo de respuesta)NSGA-II SPEA-2 MOCell

makespanflowtimemejora de 22 (makespan)

micro-CHC MO-CHC [10] mejora de 18 (flowtime)Buacutesqueda local poblacional

makespanenergiacuteamejora de 14 (makespan)

(MLS) [5] mejora de 14 (energiacutea)

En la actualidad nuestro grupo de trabajo se en-cuentra profundizando en la aplicacioacuten de este tipo deteacutecnicas de inteligencia computacional ideando e imple-mentando nuevos algoritmos eficientes y extendiendo elestudio de escenarios realistas de las plataformas grid ycloud que han cobrado mayor importancia en los uacuteltimosantildeos

REFERENCIAS

1 Alba E Luque G y Nesmachnow S (2013) ldquoParallel Metaheu-ristics Recent Advances and New Trendsrdquo International Tran-sactions in Operational Research Vol 20 No 1 pp 1-48

2 Foster I Kesselman C y Tuecke S (2001) ldquoThe Anatomy of theGrid Enabling Scalable Virtual Organizationsrdquo InternationalJournal of High Performance Computing Applications Vol15 No 3 pp 200ndash222

3 Garey M y Johnson D (1979) ldquoComputers and intractabilityrdquoFreeman

4 Goldberg D (1989) ldquoGenetic Algorithms in Search Optimiza-tion and Machine Learningrdquo Addison-Wesley

5 Iturriaga S Nesmachnow S Dorronsoro B y Bouvry P (2013)ldquoEnergy Efficient Scheduling in Heterogeneous Systems with aParallel Multiobjective Local Searchrdquo Computing and Infor-matics Journal Vol 32 No 2 pp 273ndash294

6 Nesmachnow S Cancela H y Alba E (2012) ldquoA parallel micro-CHC evolutionary algorithm for heterogeneous computing andgrid schedulingrdquo Applied Soft Computing Journal Vol 12 pp626ndash639

7 Nesmachnow S Cancela H y Alba E (2010) ldquoHeterogeneouscomputing scheduling with evolutionary algorithmsrdquo Soft Com-puting Vol 15 No 4 pp 685ndash701

8 Nesmachnow S Cancela H y Alba E (2012) ldquoScheduling inheterogeneous computing and grid environments using a para-llel CHC evolutionary algorithmrdquo Computational IntelligenceVol 28 No 2 pp 131ndash155

9 Iturriaga S y Nesmachnow S (2013) ldquoMultiobjective grid sche-duling using a domain decomposition based parallel micro evo-lutionary algorithmrdquo International Journal of Grid and UtilityComputing Vol 4 No 1 pp 70ndash84

10 Nesmachnow S (2013) ldquoParallel multiobjective evolutionary al-gorithms for batch scheduling in heterogeneous computing andgrid systemsrdquo Computational Optimization and ApplicationsVol 55 No 2 pp 515ndash544

SOBRE EL AUTOR

Sergio Nesmachnow profesor en la Universidad de la Repuacuteblica es PhD (2010) MSc (2004)Ingeniero en Informaacutetica (2000) e investigador en computacioacuten cientiacutefica de alto desempentildeo y me-taheuriacutesticas para resolver problemas complejos en Agencia Nacional de Investigacioacuten e Innovacioacuten yen Programa de Desarrollo de las Ciencias Baacutesicas Uruguay Dirige el Nuacutecleo Interdisciplinario deComputacioacuten Cientiacutefica de Alto Desempentildeo Ha publicado maacutes de 100 artiacuteculos en revistas y confe-rencias internacionales Es Editor-en-Jefe de International Journal of Metaheuristics editor invitadoen Cluster Computing y The Computer Journal y participa como conferencista revisor y miembroteacutecnico de comiteacutes de conferencias y revistasE-mail sergionfingeduuy Web wwwfingeduuy~sergion

Un Algoritmo de Estimacioacuten de Distribuciones para

resolver un problema real de programacioacuten de

Un enfoque alternativo para la programacioacuten detareasRicardo Peacuterez S Joumlns Arturo Hernaacutendez y Carlos Ochoa

En este trabajo se describe un enfoque alternativopara hacer frente a problemas de programacioacuten de tareasa traveacutes de simulacioacuten de eventos discretos enlazado conun algoritmo de estimacioacuten de distribuciones como meacuteto-do de optimizacioacuten Proponemos estimar la dependenciacondicional entre secuencias de trabajo y la programa-cioacuten de herramientas para incrementar el nuacutemero detrabajos terminados en un sistema de manufactura departes automotrices Este enfoque de optimizacioacuten desimulaciones intenta encontrar una relacioacuten entre lasvariables de entrada a traveacutes de la estimacioacuten de ladependencia condicional entre ellas para optimizar lasvariables sensibles de salida del sistema de manufacturamencionado Dos modelos graacuteficos seraacuten construidos conel fin de evitar los inconvenientes que algunos meacutetodosheuriacutesticos tienen para la programacioacuten de tareas Ade-maacutes el meacutetodo de optimizacioacuten que se utilizaraacute seraacute detipo continuo con el fin de eliminar el inconveniente quese tiene con la programacioacuten de tareas de tipo discreto

IntroduccioacutenLa programacioacuten de tareas es un componente signi-

ficativo de mejora en la eficiencia de las empresas Enlos uacuteltimos tiempos los problemas de programacioacuten detareas se han vuelto maacutes y maacutes complicados

La programacioacuten de tareas comprende la asignacioacutende una serie de operaciones (que pertenecen a un deter-minado trabajo) sobre un conjunto de equipos maacutequi-nas o estaciones de produccioacuten a fin de ser procesadaspara considerar un trabajo terminado Cuando una seriede trabajos coinciden en la misma secuencia de procesa-miento para todas sus operaciones entonces la configura-cioacuten de procesamiento se le conoce como flowshop

Cuando los trabajos en cuestioacuten tienen diferentes se-cuencias de procesamiento en sus operaciones entonces laconfiguracioacuten de procesamiento se le conoce como jobs-hop La Figura 1 esquematiza las diferencias principalesentre ambas configuraciones

Figura 1 Diferencias entre flowshop y jobshop

El problema de programacioacuten de tareas en sistemas demanufactura es NP-hard (por sus siglas en ingleacutes Non-deterministic Polynomial-time) por lo tanto modelar el en-torno de programacioacuten de tareas es complejo y es una cuestioacutenclave [1]

La razoacuten se fundamenta en que existen muchas posibilida-des para determinar la asignacioacuten de las operaciones que per-tenecen a los trabajos Tan solo en la configuracioacuten flowshop

se tienen n posibles secuencias Mientras que en la configura-cioacuten jobshop este nuacutemero estaacute determinado por (n)m donden es el nuacutemero de trabajos y m es el nuacutemero de maacutequinas

La programacioacuten de tareas en manufactura ha sido am-pliamente investigada en las uacuteltimas deacutecadas y sigue siendode intereacutes para los sectores industrial y acadeacutemico ya que esmuy compleja en su naturaleza bastante difiacutecil de resolverpor medio de teacutecnicas de optimizacioacuten convencionales y sueleser complicado encontrar una solucioacuten oacuteptima

Una amplia variedad de teacutecnicas matemaacuteticas se han apli-cado a la programacioacuten de tareas durante muchos antildeos (porejemplo programacioacuten lineal ramificacioacuten y acotamientoprogramacioacuten dinaacutemica entre otras) Estas teacutecnicas puedenresolver estructuras baacutesicas de procesos de manufactura ta-les como problemas en configuracioacuten tipo flowshop y jobshop

en los que hay un nuacutemero limitado de trabajos ldquonrdquo y de maacute-quinas rsquomrsquo Sin embargo las teacutecnicas matemaacuteticas consumendemasiado tiempo computacional ademaacutes no son capaces de

producir soluciones de buena calidad para problemas de ta-mantildeo grande y requieren muchos supuestos que son difiacutecilesde satisfacer en sistemas de manufactura reales

Los meacutetodos heuriacutesticos como Recocido Simulado Buacutes-queda Tabuacute y Algoritmos Geneacuteticos GAs (por sus siglas eningleacutes Genetic Algorithms) han resuelto problemas de pro-gramacioacuten de tareas complejos y de gran tamantildeo Estos pro-

porcionan un buen punto de partida para buscar mejores so-luciones En particular los GAs combinan dos procesos prin-cipales con el fin de encontrar mejores soluciones seleccioacuten yvariacioacuten Sin embargo a veces el proceso de variacioacuten puedealterar las soluciones y no tener efectos positivos sobre la apti-

tud (capacidad de supervivencia) de cada individuo (solucioacutenfactible)

La idea es aprender y beneficiarse de la interaccioacuten entre las variablesmediante la estimacioacuten de la distribucioacuten de la poblacioacuten y el muestreo de

los descendientes (soluciones factibles al problema)

En la Figura 2 se tienen dos cromosomas (estructurabase de representacioacuten de una solucioacuten en cualquier GA)los cuales representan posibles secuencias en un problemade programacioacuten de tareas donde la configuracioacuten es detipo flowshop Al aplicar el proceso de variacioacuten a dichoscromosomas podriacuteamos llegar a obtener como resultadoun individuo no factible que se ejemplifica en la Figura3 ya que el punto de cruza define la informacioacuten geneacuteti-ca del primer cromosoma a copiarse en el individuo y elresto lo obtiene del segundo cromosoma

Figura 2 Cromosomas representando secuencias

Figura 3 Secuencia no factible

Los modelos de simulacioacuten desarrollados para resolverproblemas de programacioacuten de tareas son una alternativa pa-ra describir los entornos de programacioacuten complejos [1]

Se utilizan modelos de simulacioacuten para modelar sistemascaracterizados por una alta complejidad y un gran nuacutemerode variables que interactuacutean entre siacute Estos modelos capturanel comportamiento del sistema y proporcionan un banco depruebas para evaluar los cambios en las operaciones y poliacuteti-cas de gestioacuten solucionar problemas y analizar los conflictosde recursos Asiacute la simulacioacuten es una poderosa herramien-ta que se utiliza para comprender y analizar el efecto de loscambios en los sistemas reales [2]

Los problemas del mundo real son una razoacuten principalque subyace a la importancia del uso de la simulacioacuten pa-ra optimizar Estos problemas son demasiado complejos pararesolver a traveacutes de formulaciones matemaacuteticas Situacionesde no linealidad relaciones combinatorias e incertidumbre a

menudo provocan que los problemas praacutecticos sean un desafiacuteopara el modelado matemaacutetico convencional excepto median-te el recurso de la simulacioacuten un hecho que plantea gravesdificultades para meacutetodos claacutesicos de optimizacioacuten [3]

Teniendo en cuenta que un experimento de simulacioacuten esuna prueba que modifica las variables de entrada del modelopara analizar los cambios sobre las variables de salida la opti-mizacioacuten de los modelos de simulacioacuten es el proceso de enlazarun meacutetodo de optimizacioacuten con un modelo de simulacioacuten pa-ra determinar los valores apropiados de ciertos paraacutemetros deentrada a fin de maximizar el rendimiento del sistema simula-do [4] Fu [5] ofrece una buena explicacioacuten sobre los diferentestipos de enfoques de optimizacioacuten de simulaciones pero al-gunos de esos enfoques no se han utilizado para trabajar conlenguajes de simulacioacuten comerciales Los liacutederes actuales enlenguajes de simulacioacuten comerciales estaacuten tratando de utili-zar la inteligencia artificial para proporcionar herramientasde optimizacioacuten para sus usuarios Sin embargo no hay unlenguaje de simulacioacuten comercial actual que utilice la esti-macioacuten de la dependencia condicional entre las variables delproblema como un meacutetodo de optimizacioacuten

Se pretende en esta investigacioacuten determinar la relacioacuteno interaccioacuten entre las variables del problema Aunque la in-teraccioacuten puede o no puede estar presente en general eacutestaes expliacutecitamente desconocida auacuten maacutes en sistemas comple-jos de manufactura La idea es aprender y beneficiarse de lainteraccioacuten entre las variables mediante la estimacioacuten de ladistribucioacuten de la poblacioacuten y el muestreo de los descendien-

tes (soluciones factibles al problema) El tipo de algoritmosque pueden hacer lo anterior se conocen como Algoritmosde Estimacioacuten de Distribuciones EDAs (por sus siglas en in-gleacutes Estimation of Distribution Algorithms) introducidos porMuumlhlenbein y Paaβ[6] y son un aacuterea de desarrollo en el cam-po de la computacioacuten evolutiva La motivacioacuten de su creacioacutenes la identificacioacuten y explotacioacuten de la interaccioacuten entre lasvariables involucradas en el problema para ayudar en el desa-rrollo del algoritmo Sin embargo hay dos factores adicionalesque han llevado a los investigadores a la aproximacioacuten pro-babiliacutestica de la evolucioacuten [7] La primera es que la ejecucioacutende cualquier GA depende de la eleccioacuten de los paraacutemetrosde control adecuados como el cruce la tasa de mutacioacuten y eltamantildeo de la poblacioacuten Pero esto se ha convertido en un pro-blema de optimizacioacuten en siacute mismo [8] El segundo factor es elhecho de que el anaacutelisis teoacuterico de un GA es una tarea difiacutecil

Se han propuesto varias teoriacuteas para explicar la evolucioacuten deun GA pero no se ha desarrollado una teoriacutea convincente

Finalmente nuestra propuesta es generar programas detrabajos y herramientas donde se obtengan un gran nuacutemerode trabajos terminados para un sistema de manufactura departes automotrices a traveacutes de un enfoque combinado entresimulacioacuten de eventos discretos y un algoritmo de estimacioacutende distribuciones como meacutetodo de optimizacioacuten de simulacio-nes La contribucioacuten clave es encontrar una relacioacuten o inter-accioacuten entre las variables de entrada secuencias de trabajo yprogramacioacuten de herramientas para estimar la dependenciacondicional entre ellas y asiacute incrementar la variable sensiblede salida es decir el nuacutemero de trabajos terminados

La optimizacioacuten de simulaciones se aplicaraacute sobre el sis-tema de manufactura mencionado que consiste en diferentesmaacutequinas capaces de procesar diversos trabajos Para pro-ducir cualquier trabajo el sistema requiere al menos unaherramienta especiacutefica en una maacutequina especiacutefica Todas lasherramientas son compartidas por las diferentes maacutequinasEste tipo de sistema de manufactura es comuacuten cuando lasherramientas son costosas o complejas

Revisioacuten de literaturaPor un lado los trabajos y los flujos de herramientas dos

grandes entidades dinaacutemicas son los factores clave y su ges-tioacuten juega un papel importante en el funcionamiento de casitodos los sistemas de manufactura Algunas investigacioneshan ofrecido amplio reconocimiento sobre los problemas deprogramacioacuten de herramientas en sistemas de manufacturay hacen hincapieacute en la falta de consideraciones sobre las he-rramientas que se ha traducido en un pobre desempentildeo deestos sistemas [9] En general el objetivo de la programacioacutende herramientas es coordinar el flujo de trabajos y herramien-tas para minimizar los retrasos innecesarios Sin una teacutecnicaeficaz de programacioacuten de herramientas el sistema no podriacuteafuncionar conforme a lo planeado [10] Considerando los as-pectos mencionados es necesario identificar procedimientosde solucioacuten para el problema de programacioacuten de trabajos yde herramientas de forma simultaacutenea

Por otro lado muchos resultados importantes se han pu-blicado sobre programacioacuten de tareas utilizando GAs sin em-bargo la representacioacuten inadecuada del individuo en relacioacutencon la programacioacuten de tareas contribuye a hacer cambiosaleatorios e incontrolados sobre los descendientes pudiendoperturbar las soluciones y no tener efectos positivos sobrela aptitud veacutease Figura 3 Haciendo frente a esta situacioacutenun primer enfoque es manipular la representacioacuten del indivi-duo para prevenir los trastornos entre variables del problemaGoldberg et al [11] Kargupta [12] y Harik [13] ofrecen unbuen ejemplo de este enfoque Se pueden encontrar aplicacio-nes para la manipulacioacuten de la representacioacuten de los indivi-duos en Smith [14] Fourman [15] y Whitley et al [16] queofrecen un operador de cruza excelente para permanecer enel mismo espacio factible Nakano y Yamada [17] utilizan unoperador de reparacioacuten interesante con el fin de producir des-cendencia viable La desventaja de este enfoque es que no sepuede determinar la relacioacuten o la interaccioacuten entre las varia-bles del problema Un segundo enfoque consiste en aprendery beneficiarse de la interaccioacuten entre las variables mediante la

estimacioacuten de la distribucioacuten de la poblacioacuten y de muestrearlos descendientes a partir de dicha distribucioacuten

Basaacutendonos en un ejemplo sobre un conjunto de secuen-cias de trabajos en configuracioacuten flowshop que se muestra enla Figura 4 podemos construir una distribucioacuten de probabili-dad sencilla asociada a dichas secuencias Para cada posicioacutenj en la secuencia calculamos la probabilidad de que el trabajoi se encuentre en dicha posicioacuten simplemente dividiendo lasveces que se presenta dicho trabajo en dicha posicioacuten entreel total de secuencias El resultado es una matriz que detallala probabilidad de elegir el trabajo i en la posicioacuten j dichamatriz representa la distribucioacuten de probabilidad asociada alas secuencias La Figura 5 detalla los resultados asociados ala Figura 4

Figura 4 Secuencias factibles

Ya teniendo la matriz de distribucioacuten de probabilidad elmuestreo se realiza basado en ella para cada posicioacuten en lasecuencia generando un nuacutemero aleatorio entre 0 y 1 deter-minando sobre la matriz quieacuten deberiacutea ser elegido Ademaacutes laasignacioacuten de un trabajo en la secuencia origina que la matrizse actualice para las posiciones faltantes asignando probabi-lidad de cero al trabajo previamente elegido y asiacute evitar quedicho trabajo sea elegido nuevamente

Aunque en el campo combinatorio algunos problemasde programacioacuten de tareas se han resuelto previamente conEDAs [7][18][19][20][21][22][23] [24][25][26] los investigadoresconsideran supuestos que no necesariamente se satisfacen ocumplen en los sistemas de manufactura ademaacutes de que nose ha utilizado un EDA como meacutetodo de buacutesqueda para laoptimizacioacuten de simulaciones Una discusioacuten sobre la investi-gacioacuten maacutes actualizada sobre los problemas de programacioacutende tareas con EDAs se describe a continuacioacuten

Chen et al [22] proponen directrices para el desarrollo deEDAs eficaces a fin de resolver problemas simples de progra-macioacuten de tareas de una sola maacutequina en particular la mini-mizacioacuten de los costos por retrasos En general se utiliza unEDA con un operador al que llaman ldquomutacioacuten guiadardquo Prin-cipalmente en este algoritmo se producen nuevas solucionesa traveacutes de sus operadores geneacuteticos Por lo tanto muestrearnuevos individuos perioacutedicamente es la caracteriacutestica que lohace diferente de otros EDAs porque la mayoriacutea de los EDAsgeneran nuevas soluciones por completo

Wang et al [23] trabajan en el problema de programa-cioacuten jobshop flexible FJSP (por sus siglas en ingleacutes FlexibleJobshop Scheduling Problem) Se trata de una generalizacioacutendel problema claacutesico de programacioacuten de trabajos para siste-mas de manufactura flexibles Los autores proponen un EDA

basado en bi-poblacioacuten que llamaron BEDA para resolverel FJSP con el criterio de minimizar el tiempo maacuteximo deculminacioacuten de todos los trabajos

Recientemente se han hecho algunos intentos para combi-nar EDAs con los tradicionales operadores de cruza y muta-cioacuten de los GAs [27] Chen et al [24] trabajan en el problemade permutacioacuten flowshop PFSP (por sus siglas en ingleacutes Per-

mutation Flowshop Scheduling Problem) que es uno de losproblemas NP-hard maacutes conocido El modelo probabiliacutesticoutilizado no es una fuente para la generacioacuten de nuevas so-luciones sino que actuacutea como un factor de prediccioacuten de laaptitud para guiar a los operadores de cruce y mutacioacuten agenerar mejores soluciones

Figura 5 Matriz de Distribucioacuten de Probabilidad

Cualquier investigacioacuten actual no estaacute considerando la programacioacuten delas herramientas como parte del problema

Chen et al [25] tambieacuten trabajan en el PFSP Empleandos modelos probabiliacutesticos mientras que la mayoriacutea de EDAsno aplican maacutes de un modelo El primer modelo representael nuacutemero de veces que aparece cualquier trabajo antes o enuna posicioacuten especiacutefica en las secuencias Este modelo mues-tra la importancia de los puestos de trabajo en la secuenciay tambieacuten fue utilizado en Jarboui et al [20] El segundomodelo indica si cualquier trabajo estaacute inmediatamente des-pueacutes de otro trabajo especiacutefico en las secuencias es decir estemodelo indica el nuacutemero de veces que cualquier trabajo estaacuteinmediatamente despueacutes de otro trabajo especiacutefico

Finalmente Pan y Ruiz [26] ofrecen un EDA para resolverproblemas de programacioacuten de trabajos por lotes consideran-do tiempos de preparacioacuten Una contribucioacuten real es coacutemomanejan el concepto de tiempo de preparacioacuten en su algorit-mo Aunque los tiempos de preparacioacuten no son parte de lostiempos de procesamiento de los trabajos estas operacionestienen que hacerse antes de que se realice el procesamientode los trabajos

Toda esta investigacioacuten actual trabaja con EDAs discre-tos En este tipo de EDAs cada individuo muestra expliacutecita-mente su informacioacuten sobre la secuencia de trabajos que sevan a procesar veacutease Figura 4 La hibridacioacuten entre cualquier

EDA discreto y cualquier meacutetodo heuriacutestico obtiene solucio-nes prometedoras Los modelos probabiliacutesticos utilizados enla literatura se actualizan cada vez que se asigna un trabajoen la secuencia como el ejemplo descrito previamente en laFigura 4 y 5 Esta actualizacioacuten elimina la posibilidad deelegir un trabajo anterior aunque los autores de las investi-gaciones anteriores nunca mencionan expliacutecitamente que unamodificacioacuten en el proceso de muestreo tiene que ser llevadaa cabo para evitar elegir trabajos ya asignados Por uacuteltimola falta de aplicaciones industriales reales y claras y un usoexcesivo de los supuestos sobre los procesos de manufacturase puede observar y cualquier investigacioacuten actual no estaacuteconsiderando la programacioacuten de las herramientas como par-te del problema

Planteamiento del problemaEl sistema de manufactura a estudiar estaacute relacionado

con la construccioacuten de partes automotrices Contiene variasestaciones de trabajo asociadas con diferentes liacuteneas de pro-duccioacuten Cada liacutenea de produccioacuten puede procesar diferentestrabajos y cada uno necesita diferentes herramientas paramanufacturar el producto final Algunas herramientas debenser compartidas entre las liacuteneas de produccioacuten y entre las es-

taciones de trabajo debido a que la cantidad de herramientases limitada y costosa Cada trabajo pasa por una secuenciadiferente de procesamiento situando este proceso de manu-factura en configuracioacuten jobshop ademaacutes de que el contenidodel trabajo variacutea mucho en cada paso A diferencia de otrossistemas de manufactura una vez que la produccioacuten comien-za la secuencia puede ser cambiada almacenando estaacute co-mo trabajo en proceso La mayoriacutea de los trabajos requierenun procesamiento similar pero con caracteriacutesticas especiacuteficasnecesarias para cada trabajo causando variacioacuten en el conte-nido del trabajo real Debido a esta singularidad los trabajosrequieren diferentes cantidades de recursos y tiempos de pro-cesamiento

Ademaacutes los requisitos de procesamiento de los trabajosson

Una liacutenea de produccioacuten especiacutefica debe utilizarse paracada trabajo No obstante este sistema de manufactu-ra es flexible y algunos trabajos pueden ser procesadosen diferentes liacuteneas de produccioacuten

Cada trabajo implica un conjunto de operaciones y ca-da operacioacuten requiere una herramienta especiacutefica

La secuencia de operaciones y herramientas respectivasvariacutean de un trabajo a otro

Algunos investigadores han estudiado este problema peronormalmente utilizan supuestos que se deben satisfacer Sinembargo algunos de los supuestos no pueden ser satisfechosen el sistema de manufactura mencionado como

Las operaciones no se pueden interrumpir Hay muchasrazones para interrumpir la operacioacuten en cualquier es-tacioacuten de trabajo o maacutequina como fallas ajustes in-correctos puesta en marcha chatarra y otros trabajoscon mayor prioridad

Una vez que la operacioacuten en curso ha terminado la

herramienta vuelve a utilizarse en otros trabajos con

tiempo de transferencia despreciable En el sistema demanufactura mencionado la mayoriacutea de los trabajos ylas herramientas deben ser transferidos a traveacutes de ca-rretillas y plataformas elevadoras con el fin de continuarel proceso y estas transferencias requieren tiempo

El tiempo de procesamiento para cualquier trabajo es

predeterminado Es muy difiacutecil tener tiempos de proce-samiento predeterminados en los sistemas de manufac-tura reales Ademaacutes diferentes condiciones deben serconsideradas en el tiempo de procesamiento como lacapacidad de los operadores las condiciones de las ma-terias primas los errores en el tiempo de produccioacutenestaacutendar los ajustes la incorrecta puesta en marchala chatarra etc

Por uacuteltimo el objetivo es generar programas de N traba-jos distintos que requieren procesamiento en M estaciones detrabajo con T herramientas que son compartidos por muchasde las operaciones en un sistema de manufactura flexible departes automotrices

Metodologiacutea propuestaCon el fin de evitar el uso de supuestos teoacutericos que difiacute-

cilmente se cumplen y tratando de capturar las condiciones

reales de funcionamiento del sistema de manufactura men-cionado no omitiremos el comportamiento global del sistemacuando se propongan soluciones Si esto sucede no es posi-ble garantizar soluciones reales que se puedan implementarDebido a esto vamos a construir un modelo de simulacioacutenen Delmia de Questr R20 que emula el procesamiento de lostipos maacutes importantes de partes vendidas por la empresa Elmodelo contendraacute todas las tareas realizadas por los diferen-tes equipos en el sistema de manufactura para cada tipo deproducto que estaacute programado Nuestro modelo de simula-cioacuten incluiraacute muchos tipos de situaciones que el sistema demanufactura presenta como tiempos de preparacioacuten progra-macioacuten de mantenimiento carga y descarga de materialesempaque de materiales transferencia de partes y herramien-tas entre los equipos requerimientos de mano de obra paracada maacutequina o proceso reglas de almacenamiento turnosdescansos y comidas Todas estas situaciones estaacuten presen-tes en el sistema de manufactura dado Por uacuteltimo vamos aejecutar el modelo de simulacioacuten bajo diferentes condicionespara determinar si su programacioacuten y su implementacioacuten soncorrectas Ademaacutes de verificar la tasa de produccioacuten comoresultado del modelo

Una vez que se haya construido el modelo de simulacioacutenun simple GA seraacute propuesto para lograr la comunicacioacuten conel modelo de simulacioacuten y asiacute obtener secuencias de trabajo yprogramacioacuten de herramientas adecuadas Cualquier solucioacutendel proceso de manufactura mencionado debe ser una com-binacioacuten de la decisioacuten de programacioacuten de las operacionesasignacioacuten de maacutequinas y asignacioacuten de herramientas a maacute-quinas antes de iniciar el turno de trabajo Por lo tanto unasolucioacuten puede ser expresada por la secuencia de procesamien-to de las operaciones sobre las maacutequinas la asignacioacuten de lasoperaciones sobre las maacutequinas y la asignacioacuten de las herra-mientas a las maacutequinas En este trabajo una solucioacuten estaraacuterepresentada por tres cromosomas (cromosoma de secuenciade operaciones cromosoma de asignacioacuten de maacutequinas y cro-mosoma de asignacioacuten de herramientas) Para el cromosomade secuencia de operaciones el nuacutemero de elementos es igualal nuacutemero total de operaciones donde cada elemento contie-ne un nuacutemero de trabajo correspondiente a cada operacioacutenPara el cromosoma de asignacioacuten de maacutequinas cada elemen-to representa la maacutequina correspondiente seleccionada paracada operacioacuten Para el cromosoma de asignacioacuten de herra-mientas cada elemento muestra la herramienta que estaraacuteasignada a cada maacutequina antes de iniciar sus actividades enlos maacutes importantes departamentos de manufactura del ta-ller Para explicar la representacioacuten se presenta un ejemploal considerar un problema con 4 trabajos 4 maacutequinas y la re-presentacioacuten de un individuo como se muestra en la Figura6

Los operadores del GA tendraacuten que alcanzar el objetivo deencontrar la mejor secuencia de produccioacuten y programacioacutende herramientas en el sistema de manufactura mencionadosujeto a la disponibilidad del material y las fechas compro-miso de entrega La ldquomejor secuenciardquo se evaluaraacute en funcioacutende los trabajos terminados buscando una gran cantidad detrabajos terminados como sea posible dadas las restriccionesoperativas fiacutesicas y de programacioacuten El GA mencionado seraacuteutilizado como punto de referencia para la comparacioacuten con

el esquema del EDA La idea global del GA se muestra en laFigura 7

Una vez que se haya construido el GA un EDA se cons-truiraacute con dos modelos graacuteficos diferentes Una diferencia im-portante entre nuestro enfoque y cualquier EDA propuestoanteriormente es que los modelos de graacuteficos trabajaraacuten ha-cia un objetivo diferente

El primer modelo graacutefico construiraacute soluciones del procesode manufactura mencionado a traveacutes de una combinacioacuten deplanificacioacuten de las operaciones que pertenecen a los trabajosa secuenciar y la asignacioacuten de las maacutequinas a los trabajosPor lo tanto una solucioacuten puede ser expresada por la secuen-cia de procesamiento de las operaciones en las maacutequinas y laasignacioacuten de las operaciones a las maacutequinas Una solucioacutenseraacute representada por dos vectores (vector de secuencia deoperaciones y vector de asignacioacuten de maacutequinas)

Figura 6 Datos del tiempo de procesamiento y unasecuencia factible

Figura 7 Enfoque de Optimizacioacuten de Simulacionesusando un GAPara el vector de secuencia de operaciones el nuacutemero de ele-mentos es igual al nuacutemero total de operaciones donde cadaelemento contendraacute un valor aleatorio U [01] una diferenciarazonable entre nuestro enfoque y el trabajo de Wang et al[23] Cada valor aleatorio representa una operacioacuten de un tra-bajo especiacutefico para ser programado Despueacutes deben ser de-codificados para ser representados como secuencia de opera-ciones vaacutelida Para el vector de asignacioacuten de maacutequinas cadaelemento representa la maacutequina seleccionada correspondientepara cada operacioacuten de cada trabajo La Figura 8 muestra larepresentacioacuten propuesta

Las probabilidades representaraacuten la posibilidad de asig-nar una operacioacuten especiacutefica en una posicioacuten en la secuenciay la posibilidad de asignar una operacioacuten especiacutefica en unamaacutequina

Se adoptaraacute un procedimiento de optimizacioacuten continuaen lugar de uno discreto para resolver el problema combi-natorio Los trabajos de Rudolph [28] y los de Bean y Nor-man [29] pueden ser consultados sobre el procedimiento deoptimizacioacuten continua Ademaacutes una fuerte razoacuten para uti-lizar un procedimiento de optimizacioacuten continua es que enlos EDAs discretos una modificacioacuten en el proceso de mues-treo tiene que ser llevado a cabo Estos algoritmos generanelemento por elemento en cada programa es decir variablepor variable de acuerdo con el orden predecesor entre ellos yde acuerdo con el modelo graacutefico utilizado Ademaacutes las pro-babilidades obtenidas al comienzo se modifican como es ne-cesario para asegurar que las secuencias sean factibles Hayuna desventaja significativa para estos enfoques porque es-tamos estropeando el proceso de aprendizaje y modificandola distribucioacuten de probabilidad Cualquiera sea la forma queusemos los enfoques anteriores implican que el resultado delalgoritmo tambieacuten se modifica de la misma manera Con esteprocedimiento las secuencias no tienen un significado directoa la solucioacuten que representan los valores de cada una de lasvariables no contienen valores similares entre los nodos delgrafo

Figura 8 Representacioacuten propuesta con valores con-tinuos

Se utilizaraacute el algoritmo MIMICG

C para construir el primermodelo graacutefico probabiliacutestico introducido por Larrantildeaga etal [30] que es una adaptacioacuten del algoritmo MIMIC presen-tado por De Bonet et al [31] para dominios de tipo continuoPor uacuteltimo el algoritmo MIMICG

C utiliza un modelo probabi-liacutestico de tipo cadena estructurado donde la distribucioacuten deprobabilidad de todas las variables excepto el nodo principalestaacute condicionada al valor de la variable que la precede en lacadena Significa una funcioacuten marginal univariante y n minus 1pares de funciones de densidad condicional para construir elmodelo graacutefico probabiliacutestico

Figura 9 EDA usado para optimizar simulaciones

El segundo modelo graacutefico probabiliacutestico tendriacutea como ob-jetivo determinar una estimacioacuten del modelo de distribucioacutenpara generar nuevos descendientes (programacioacuten de la herra-mientas) usando un subconjunto de lsquomrsquo individuos selecciona-dos Esto se aplicaraacute a cada liacutenea de produccioacuten involucradaen el proceso de manufactura La probabilidad representa laposibilidad de asignar una herramienta especiacutefica en una es-tacioacuten de trabajo determinada Para obtener la estimacioacuten

vamos a utilizar el algoritmo de COMIT introducido por Ba-luja y Davies [18] Por uacuteltimo el algoritmo utiliza un modeloestructurado de tipo aacuterbol para construir el modelo graacuteficoprobabiliacutestico El algoritmo describe una distribucioacuten de pro-babilidad conjunta como un producto de distribuciones con-

dicionales y marginales de segundo orden La idea global dela EDA se muestra en la Figura 9

Finalmente la Figura 10 muestra el nuacutecleo del algoritmocomo un diagrama de flujo

Figura 10 El nuacutecleo del EDA

Observaciones finalesCon base en la revisioacuten de la literatura anterior se puede

establecer que para la optimizacioacuten del sistema de manufac-tura de partes automotrices un algoritmo EDA evolucionaraacutemejor que un algoritmo GA ambos meacutetodos deben lograrbuenos resultados para maximizar la variable respuesta Unaacuterea prometedora para identificar mejores secuencias es posi-ble Por uacuteltimo se recomienda la utilizacioacuten de un EDA maacutesun modelo de simulacioacuten para encontrar las mejores secuen-cias para un problema de programacioacuten de tareas

REFERENCIAS

1 Zuo X Fan Y Lin H Shen Y Sun H (2006) ldquoWorkflow simu-lation scheduling model with application to a prototype systemof cigarette factory schedulingrdquo En Koyamada K Tamura S yOno O (Eds) Systems Modeling and Simulation Theory andApplications Asia Simulation Conference pp 158-162

2 Groover M (1987) ldquoAutomation Production Systems and Com-puter Integrated Manufacturingrdquo Prentice Hall

3 April J Glover F Kelly J Laguna M (2004) ldquoThe explo-ding domain of simulation optimizationrdquo Newsletter of the IN-FORMS Computing Society Vol 24 No 2 pp 1-14

4 Rico G Martiacutenez F Abufarde F Monaacuterdez M (2001) ldquoSimu-lation Optimization via artificial intelligence application to amaterial handling problemrdquo Theoria Vol 10 pp 25-32

5 Fu M (2002) ldquoOptimization for Simulation Theory and Prac-ticerdquo INFORMS Journal on Computing Vol 14 No 3 pp192-215

6 Muumlhlenbein H PaaβG (1996) ldquoFrom recombination of genes tothe estimation of distributions I binary parametersrdquo En VoigtH Ebeling W Rechenberg I y Schwefel H (Eds) ParallelProblem Solving from Nature PPSN IV Berlin Springer pp178ndash187

7 Larrantildeaga P Lozano J (2002) ldquoEstimation of DistributionAlgorithms a new tool for evolutionary computationrdquo Bos-tonDordrechtLondon Kluwer Academic Publishers

8 Grefenstette J (1986) ldquoOptimization of control parameters forgenetic algorithmsrdquo IEEE Transactions on Systems Man ampCybernetics Vol 16 pp 122ndash128

9 Veeramani D Upton DM Barash MM (1992) ldquoCutting-toolmanagement in computer-integrated manufacturingrdquo Interna-tional Journal of Flexible Manufacturing Systems Vol 3 No4 pp 237-265

10 Roh HK Kim D (1997) ldquoDue-date based loading and schedu-ling methods for a flexible manufacturing system with an auto-matic tool transporterrdquo International Journal of ProductionResearch Vol 35 pp 2989-3003

11 Goldberg D Korb B Deb K (1989) ldquoMessy genetic algorithmsMotivation analysis and first resultsrdquo Complex Systems Vol3 pp 493ndash530

12 Kargupta H (1996) ldquoThe gene expression messy genetic algo-rithmrdquo En Proc of the 1996 IEEE International Conferenceon Evolutionary Computation pp 631ndash636

13 Harik G (1997) ldquoLearning gene linkage to efficiently solve pro-blems of bounded difficulty using genetic algorithmsrdquo TesisPhD University of Michigan

14 Smith D (1985) ldquoBin packing with adaptive searchrdquo En Gre-fenstette J (Ed) Proc International Conference on GAsLawrence Erlbaum pp 202-207

15 Fourman M (1985) ldquoCompaction of symbolic layout using gene-tic algorithmsrdquo En Grefenstette J (Ed) Proc InternationalConference on GAs Lawrence Erlbaum pp 136-141

16 Whitley D Starweather T Shaner D (1990) ldquoThe traveling sa-lesman and sequence scheduling Quality solutions using geneticedge recombinationrdquo En Davis L (Ed) Handbook of GeneticAlgorithms New York Van Nostrand Reinhold pp 350-372

17 Nakano R Yamada T (1991) ldquoConventional genetic algorithmsfor job-shop problemsrdquo En Belew R y Booker L (Eds) Procof the Fourth International Conference on Genetic Algo-rithms ICGA-91 Morgan Kaufmann pp 474-479

18 Baluja S Davies S (1997) ldquoUsing optimal dependence-treesfor combinatorial optimization Learning the structure of thesearch spacerdquo Technical Report CMU-CS-97-107Carnegie Me-llon University

19 Baluja S Davies S (1998) ldquoFast probabilistic modeling for com-binatorial optimizationrdquo Technical Report AAAI-98

20 Jarboui V Eddaly M Siarry P (2009) ldquoAn Estimation of Dis-tribution Algorithm for minimizing the total flow time in per-mutation flowshop scheduling problemsrdquo Computers and Ope-rations Research Vol 36 pp 2638-2646

21 Eddaly M Jarboui B Sarry P Rebaiuml A (2009) ldquoAn Esti-mation of Distribution Algorithm for flowshop scheduling withLimited Buffersrdquo En Chiong R y Dhakal S (Eds) NaturalIntelligence for Scheduling Planing and Packing ProblemsBerlin Springer pp 89-110

22 Chen SH Chen MC Chang PC Zhang Q Chen YM(2010) ldquoGuidelines for developing effective Estimation of Dis-tribution Algorithms in solving single machine scheduling pro-blemsrdquo Expert Systems with Applications Vol 37 pp 6441-6451

23 Wang L Wang S Xu Y Zhou G Liu M (2012) ldquoA bi-population based estimation of distribution algorithm for theflexible job-shop scheduling problemrdquo Computers and Indus-trial Engineering Vol 62 pp 917-926

24 Chen SH Chang PC Cheng T Zhang Q (2012) ldquoA Self-guided Genetic Algorithm for permutation flowshop schedulingproblemsrdquo Computers and Operations Research Vol 39 pp1450-1457

25 Chen YM Chen MC Chang PC Chen SH (2012) ldquoExten-ded artificial chromosomes genetic algorithm for permutationflowshop scheduling problemsrdquo Computers and Industrial En-gineering Vol 62 pp 536-545

26 Pan QK Ruiz R (2012) ldquoAn estimation of distribution algo-rithm for lot-streaming flow shop problems with setup timesrdquoOmega Vol 40 pp 166-180

27 Pentildea J Robles V Larrantildeaga P Herves V Rosales F PeacuterezM (2004) ldquoGA-EDA hybrid evolutionary algorithm using gene-tic and estimation of distribution algorithmsrdquo En Orchard BYang C y Ali M (Eds) Innovations in applied artificial inte-lligence BerlinHeidelberg Lecture notes in computer scienceVol 3029 pp 361-371

28 Rudolph G (1991) ldquoGlobal optimization by means of distribu-ted evolution strategiesrdquo En Schwefel H y Manner R (Eds)Parallel Problem Solving from Nature PPSN I Lectures Notesin Computer Science Springer-Verlag Vol 496 pp 209-213

29 Bean J Norman B (1993) ldquoRandom keys for job shop sche-duling problemrdquo Technical Report TR 93-7 The University ofMichigan

30 Larrantildeaga P Exteberria R Lozano J Pentildea J (2000) ldquoOp-timization in continous domains by learning and simulation ofGaussian networksrdquo En Wu A (Ed) Proc of the 2000 Geneticamp Evolutionary Computation Conference Workshop Programpp 201-204

31 De Bonet J Isbell C Viola P (1997) ldquoMIMIC Finding Opti-ma by Estimation Probability Densitiesrdquo Advances in NeuralInformation Processing Systems Vol 9

SOBRE LOS AUTORES

Ricardo Peacuterez es estudiante de Doctorado en Ingenieriacutea Industrial por el Posgrado Interinstitucional enCiencia y Tecnologiacutea PICYT en el Centro de Innovacioacuten Avanzada y Tecnologiacuteas Competitivas CIATEC ACGraduado de la Maestriacutea en Ingenieriacutea de Sistemas por la Universidad Nacional Autoacutenoma de Meacutexico UNAMy de la carrera de Administracioacuten Industrial por el Instituto Politeacutecnico Nacional IPN Ha participado comoautor en diferentes congresos y ha publicado trabajo relacionado sobre coacutemputo evolutivo y simulacioacuten aplicadaa sistemas de manufactura en diferentes revistas con arbitraje nacional e internacional Su principal aacuterea deinvestigacioacuten es la optimizacioacuten de simulaciones

S Joumlns es Ingeniero Eleacutectrico ha cursado una Maestriacutea en Ciencias en Ingenieriacutea Industrial y obtuvo unDoctorado en Ciencia y Tecnologiacutea Su aacuterea de investigacioacuten es modelado de procesos y meacutetodos de optimizacioacutenavanzada Ha fungido como docente de Posgrado para el PICYT (Centros CONACYT) ITESM y UVM-SLPHa participado en maacutes de 30 Congresos Nacionales e Internacionales Ha publicado maacutes de 28 artiacuteculos enrevistas con arbitraje Ha obtenido 4 patentes todas ellas como resultado de la cooperacioacuten con la industriamanufacturera Finalmente tiene la distincioacuten de investigador reconocido por el SNI y es evaluador acreditadopor el CONACYT

Arturo Hernaacutendez es graduado del Doctorado en Ciencias Computacionales por la Universidad de TulaneUS Al igual que la Maestriacutea en Ciencias Computacionales Obtuvo el tiacutetulo de Ingeniero en Electroacutenica porla Universidad Autoacutenoma Metropolitana UAM Es investigador y profesor en el Centro de Investigacioacuten enMatemaacuteticas (CIMAT AC) Su intereacutes es la investigacioacuten sobre optimizacioacuten multiobjetivo coacutemputo evolutivoy teoriacutea de aprendizaje computacional utilizando redes neuronales Ha publicado maacutes de 60 artiacuteculos cientiacuteficosen diferentes revistas internacionales Ha participado en maacutes de 40 congresos Ha escrito capiacutetulos de librosPor uacuteltimo tiene la distincioacuten de investigador reconocido por el SNI

Carlos Ochoa tiene un Posdoctorado en el CIATEC AC y otro en UNICAMP Brasil Es Doctor en TecnologiacuteaAvanzada por el CICATA IPN Actualmente es investigador y profesor en la UACJ Su intereacutes es la investigacioacutensobre algoritmos culturales Ha publicado en diferentes revistas nacionales e internacionales Ha participado endiversos congresos Ademaacutes tiene la distincioacuten de investigador reconocido por el SNI

COLUMNAS

IA amp EducacioacutenYasmiacuten Hernaacutendez y Luciacutea Barroacuteniaeducacionkomputersapiensorg

Juegos educativosLos juegos educativos o tambieacuten llamados juegos serios

estaacuten disentildeados con el objeto de ayudar a los jugadores aaprender sobre cierta materia estrategias para resolucioacuten deproblemas o habilidades cognitivas y sociales Esto es en lu-gar de aprender mediante libros clases o programas basadosen computadora el estudiante interactuacutea con un videojuegoque integra los temas de la materia del juego con el juegomismo (Graesser 2009) Uno de los beneficios de los juegosserios es que permiten a los estudiantes observar explorarrecrear manipular variables y recibir retroalimentacioacuten in-mediata acerca de los objetos y eventos ya que en una inter-accioacuten real estas actividades tomariacutean mucho tiempo seriacuteancostosas o peligrosas (Winn 2002)

El disentildeo y desarrollo asiacute como las pruebas de los jue-gos serios estaacuten en evolucioacuten por lo que existen pocas fuentesempiacutericas que hablen sobre su impacto en las reacciones y enel aprendizaje del jugador De manera ideal la reaccioacuten delestudiante hacia el juego aumentariacutea el deleite el intereacutes enel tema y la experiencia de flujo (Csikszentmihaly 1960) Elflujo es un estado mental que se experimenta cuando el estu-diante estaacute concentrado profundamente de tal manera que eltiempo y la fatiga desaparecen El compromiso y la concen-tracioacuten en el juego facilitan el aprendizaje siempre y cuandola atencioacuten se centre en los temas de la materia y no en loscomponentes externos del juego (Graesser 2009)

A pesar de que aun existe poco consenso en la investiga-cioacuten y desarrollo de los juegos serios hay un avance sustancialen teacuterminos de siacutentesis de los diferentes tipos de juegos y en lainvestigacioacuten de sus resultados de aprendizaje En (Connollyet al 2012) se presenta una investigacioacuten sobre el efecto delos juegos educativos en el aprendizaje en donde se encontroacuteun impacto positivo en la adquisicioacuten de conocimientos en lacomprensioacuten del contenido y la motivacioacuten

Muchos juegos estaacuten incrustados en una historia narra-tiva con personajes un escenario un conflicto episodios deaccioacuten de los jugadores y resultados En un juego basado ennarrativa la historia se construye de forma interactiva entreel jugador y el juego y el jugador puede experimentar cien-tos de historias de juego y no solo una secuencia de episodiosLa narrativa tiene un papel importante en el sistema cogni-tivo ya que se comprende maacutes raacutepido y se recuerda mejor encomparacioacuten con otros geacuteneros (Graesser y Ottati 1995)

Crystal island uncharted discovery es un ambiente deaprendizaje basado en juegos para la ensentildeanza de las cien-cias Se trata de un ambiente de aprendizaje de accioacuten yaventura que integra elementos de juegos de aventura (unahistoria interesante un gran elenco de personajes exploracioacuteny la resolucioacuten de problemas situacionales) con elementos dejuegos de accioacuten (presioacuten de tiempo obtencioacuten de energiacutea yrecoleccioacuten de objetos) Cuenta con una serie de aventuras deciencia en una isla volcaacutenica inexplorada donde un grupo de

exploradores estaacuten atrapados y tratan de ponerse en contactocon el mundo exterior para que los rescaten Los estudiantesson los protagonistas que llevan a cabo una serie de misio-nes que les permiten desarrollar habilidades para localizary construir un dispositivo de comunicacioacuten para enviar unasentildeal SOS En la Figura 1 se muestra uno de los retos deCrystal island uncharted discovery (Lester et al 2014)

Figura 1 Crystal island uncharted discovery (Lesteret al 2014)

Figura 2 Triage Trainer (Knight et al 2010)

La medicina es un aacuterea evidente para disentildear y probar losjuegos serios ya que se pueden construir entornos de aprendi-zaje que no se podriacutean lograr en el mundo real Triage Trainer

es un ambiente educativo que permite a los estudiantes ju-gar en un escenario de un incidente mayor Los estudiantespractican y experimentan el proceso triage en un escenariode entrenamiento donde una bomba acaba de estallar en una

calle concurrida la escena muestra la destruccioacuten y las victi-mas Se informa al estudiante quien es la primera persona enllegar al lugar que es seguro entrar en el escenario y se le so-licita etiquetar a cada viacutectima con la prioridad adecuada Eljugador puede evaluar el estado de la viacutectima haciendo clic enlos iconos y asiacute llevar a cabo los controles meacutedicos adecuadosver Figura 2 (Knight et al 2010)

Los juegos educativos tienen la posibilidad de apoyar alos estudiantes y a los educadores para ver e interactuar conlas representaciones de los fenoacutemenos y eventos y asiacute facilitarel desarrollo de sus explicaciones sobre estos fenoacutemenos Deacuerdo con Graesser (2009) el principal reto de los juegoseducativos es encontrar la manera de facilitar el aprendizajeprofundo Los juegos serios es un aacuterea de investigacioacuten quepromete un impacto positivo en el aprendizaje de temas di-fiacuteciles ya que eacuteste se convierte en una experiencia agradablepara el jugador

REFERENCIAS1 Csikszentmihalyi M (1990) ldquoFlow The psychology of optimal

experiencerdquo Harper-Row

2 T Connolly E Boyle E MacArthur T Hainey J Boyle (2012)ldquoA systematic literature review of empirical evidence on com-puter games and serious gamesrdquo Computers amp Education Vol59 pp 661ndash686

3 Graesser AC Chipman P Leeming F y Biedenback S (2009)ldquoDeep learning and emotion in serious gamesrdquo En Ritterfeld UCody M y Vorderer P (Eds) Serious games Mechanismsand effects pp 81-100

4 Graesser AC Ottati V (1996) ldquoWhy stories Some evidencequestions and challengesrdquo En Wyer RS (Ed) Knowledgeand memory The real story Hillsdale NJ Erlbaum pp 121-132

5 Knight J Carly S Tregunna B Jarvis S Smithies R deFreitas S Dunwell I Mackway-Jones K (2010) ldquoSerious ga-ming technology in major incident triage training A pragmaticcontrolled trialrdquo Resuscitation Vol 81 No 9 pp 1174-1179

6 Lester J Spires HA Nietfeld J Minogue J Mott B Lobe-ne E (2014) ldquoDesigning Game-based Learning Environmentsfor Elementary Science Education A Narrative-centered Lear-ning Perspectiverdquo Information Sciences Vol 264 pp 4-18

7 Winn W (2002) ldquoCurrent trends in educational technology re-search The Study of learning environmentsrdquo Educational Psy-chology Review Vol 14 pp 331ndash351

sdasd sdasd sdasd sdasd

REFLEXION

Proyectos como Crystal Island buscan conocer de que manera los juegos serios pueden promover el aprendizaje de lasciencias y en particular el aprendizaje profundo

El impacto de los juegos serios seraacute transformador ya que el aprendizaje de contenidos difiacuteciles se convertiraacute en una expe-riencia agradable y atractiva para los estudiantes y el trabajo intelectual se transformaraacute en juego

Estaacute pendiente por conocer si seraacute posible alinear el aprendizaje profundo estrategias y habilidades con las caracteriacutesticasde los juegos comerciales que son tan atractivos y entretenidos (Graesser 2009)

COLUMNAS

Deskubriendo KonocimientoAlejandro Guerra Hernaacutendez y Leonardo Garridodeskubriendokonocimientokomputersapiensorg

Ellade Spike Jonze

por Ramoacuten BrenaInstituto Tecnoloacutegico y de Estudios Superiores de Monterrey

Poacutester de la peliacutecula

Toda buena obra de ciencia ficcioacutentoma elementos de la actualidad y losexagera en un futuro posible mostran-do lo terrible o deseable que podriacutea serla eacutepoca por venir Es una forma decriacutetica social impliacutecita y menos obviaque una argumentacioacuten racional pe-ro que al mismo tiempo puede ser auacutenmaacutes convincente e impactante Tal esel caso de la peliacutecula ldquoEllardquo del direc-tor Spike Jonze que compitioacute por elOscar en fechas recientes y que aun-que no ganoacute en mi opinioacuten es la mejorpeliacutecula de 2013

La premisa es relativamente sim-ple un solitario individuo Theodo-re (interpretado magistralmente porJoaquin Phoenix) en una ciudad pos-moderna consigue un nuevo ldquosistemaoperativordquo (SO) con el que interac-tuacutea usando lenguaje hablado en vezde usar teclado y ratoacuten Dicho SO ter-mina cambiando por completo la vi-

da de Theodore al entablar este unarelacioacuten emocional y hasta amorosacon Samantha nombre que adopta elSO (ella es interpretada en forma muyconvincente por Scarlett Johansson)

En esta resentildea no queremos revelardetalles de la trama que pudieran cam-biar sustancialmente la experiencia deverla pues estamos hablando de unapeliacutecula que absolutamente deben verlos amantes del geacutenero de ciencia fic-cioacuten inclusive los cineacutefilos en general

En tanto que profesional de lacomputacioacuten desde luego me llamala atencioacuten que hayan llamado ldquoSiste-ma Operativordquo a un sistema compu-tacional destinado a realizar la inter-accioacuten con el usuario En efecto el SOse encarga como sabemos de tareasadministrativas tales como la gestioacutende la memoria y perifeacutericos de unacomputadora y en principio la inter-accioacuten con el usuario se programa maacutesbien a nivel de las aplicaciones En miopinioacuten el director y guionista Jon-ze le llamoacute SO simplemente porque esun teacutermino que mucha gente identifi-ca con la computacioacuten pero teacutecnica-mente no es adecuado Entiendo quetendriacutea menos impacto llamarlo porejemplo ldquointerfazrdquo en vez de SO

La capacidad de Samantha paraentender el lenguaje y sobre todo paracomunicar ideas altamente significati-vas para Theodore estaacute desde luegomuy por encima del estado actual dela tecnologiacutea Ciertamente en antildeos re-cientes ha habido avances importantesen el reconocimiento del lenguaje ha-blado pero todaviacutea no se llega al ni-vel mostrado en la peliacutecula Otro tantopuede decirse tanto del nivel de gene-racioacuten de frases por parte de Saman-tha como del manejo de la entonacioacutenque ella muestra no se trata para na-

da de una voz robotizada sino por elcontrario de una sensual voz llena dematices que estaacute bastante lejos de lossistemas computacionales de lenguajehablado actuales

Samantha no soacutelo se comunica efi-cazmente sino que a lo largo de lapeliacutecula ella misma (caramba escribiacuteldquoellardquo para un proceso computacional)empieza a tener experiencias emocio-nales de un nivel de riqueza verdade-ramente extraordinario desde la inco-modidad tras una vivencia sexual has-ta las dudas respecto al propoacutesito uacutel-timo de su existencia todo esto expre-sado de una forma completamente ca-sual embebida en los diaacutelogos de unguioacuten brillantemente escrito

Y tambieacuten estaacute el chispeante hu-mor de Samantha un humor conta-gioso y refrescante que cae como llu-via en el desierto sobre un Theodo-re tan necesitado de motivos para reiacuteren su monoacutetona existencia Pero iquestlascomputadoras pueden acaso ser gra-ciosas No hablamos de frases comolas que dice Siri en el iPhone (mi espo-sa le dice a Siri ldquoEres muy chistosardquo alo que Siri responde ldquoSi a veces tengochispardquo) pues estas son respuestas pre-construidas para situaciones que Sirireconoce mdashlo cual no deja de tenermeacuterito Pero verdadero humor creadopor la computadora para hacer reiacuter esalgo que no he visto en los 30 antildeos quellevo merodeando en el campo de laInteligencia Artificial

Como sucede en muchas otras pe-liacuteculas de ciencia ficcioacuten el personajesinteacutetico de Samantha empieza a des-bordar las fronteras de su propoacutesitoinicial y al comunicarse con otros autoacute-matas lleva a una nueva situacioacuten noprevista ni auacuten por sus constructoresSin embargo en esta peliacutecula en par-

ticular dicha evolucioacuten tiene un giromucho maacutes orientado a las relacioneshumanas y menos a los escenarios apo-caliacutepticos tiacutepicos de las peliacuteculas de ac-cioacuten como ldquoTerminatorrdquo Al evolucio-nar Samantha maacutes raacutepido que Theodo-re (el pobre era simplemente humano)se produce en su relacioacuten un cambioque tendraacute consecuencias definitivasEs una reflexioacuten sobre las parejas enque uno de sus integrantes cambia mu-cho maacutes que el otro conozco una pa-reja en el mundo real que terminoacute se-paraacutendose tras antildeos en que ella cre-cioacute mucho como persona mientras eacutelse quedoacute estancado

En una escena situada en el metrovemos a muchos peatones que plati-can cada uno con su SO portaacutetil enel celular en vez de hablar con huma-nos (esto hasta tiene un nombre en in-gleacutes ldquophubbingrdquo) cualquier semejanzacon la realidad actual es maacutes que sim-ple coincidencia Por ello comentaba alinicio que la buena ciencia ficcioacuten par-te de elementos que ya se observan ac-tualmente en el mundo real

La peliacutecula ldquoEllardquo es buena co-mo ciencia ficcioacuten pero tambieacuten co-mo reflexioacuten sobre las relaciones hu-manas Muestra a un Theodore quesale del estancamiento emocional en

que viviacutea desde haciacutea varios antildeos trassu divorcio para integrarse al pasarpor vivencias que lo superan al mun-do que lo esperaba para vivir la vi-da A fin de cuentas el SO es soacute-lo un medio para contar esta faacutebu-laasdddddddddd as das d asd as dasdas d as dasd das d asd as das dasd asntildef weacutekreacutekrkacuterkracuterv pokpkp+acuteksdfsdfm dfs dfs dfas df asdf asdfsdsadfsdfdfd asdddddddddd as das dasd as das das d as dasd das d asdas das das d asntildef weacutekreacutekrkacuterkracutervpokpkp+acutek

La inteligencia busca pero quien encuentra es el corazoacuten

George Sand (1804-1876)Escritora francesa

Sociedad Mexicana de Inteligencia Artificial AC

wwwsmiaorgmx

wwwkomputerSapiensorgwwwfacebookcomKomputerSapiens

twittercomKomputerSapiens

Invitacioacuten a publicar en Komputer Sapiens Volumen Especial enSistemas Hiacutebridos Inteligentes y sus Aplicaciones

Se invita a publicar en el volumen de septiembre-diciembre de 2014 el cual seraacute un especial quese enfocaraacute principalmente en todos los aspectos de la hibridacioacuten de meacutetodos y su uso en

Sistemas Complejos Tambieacuten podraacuten ser incluidas otras temaacuteticas de la IA Para este volumenla fecha liacutemite de enviacuteo es el 5 de mayo de 2014 Los artiacuteculos recibidos despueacutes de esta fecha seraacutenconsiderados para posteriores nuacutemeros

Los Sistemas Inteligentes Artificiales Hiacutebridos tratan de hacer frente a la complejidad de los fenoacutemenos del mundo realcon un enfoque multidisciplinario y una pluralidad de teacutecnicas El objetivo de combinar teacutecnicas es resolver problemasque un uacutenico meacutetodo claacutesico no es capaz de resolver tal es el caso de los sistemas complejos en biologiacutea medicinaadministracioacuten ingenieriacutea y redes sociales entre otros En este marco el especial se centraraacute en diversos toacutepicosinvolucrando desde optimizacioacuten inteligente hasta simulacioacuten social Son de especial intereacutes (pero no es limitativo)los sistemas hiacutebridos con la capacidad de mantener una negociacioacuten sobre un rubro demostrar reputacioacuten utilizandodiversos modelos asiacute como los procedimientos de argumentacioacuten como una forma para llegar a acuerdos durante elproceso de negociacioacuten

Komputer Sapiens es patrocinada por la SMIA la Sociedad Mexicana de InteligenciaArtificial Komputer Sapiens es una revista de divulgacioacuten cientiacutefica en idioma espantildeolde temas relacionados con la Inteligencia Artificial La revista estaacute dirigida a los encargadosde tomar decisiones asiacute como a un amplio puacuteblico de lectores de diversos perfiles comoestudiantes profesores investigadores y usuarios interesados en la temaacutetica de la revistaAgradeceremos a los autores considerar el aacutembito de la revista en la preparacioacuten de suscontribuciones

Indizada en el IRMDCT de CONACYT y en Latindex

Instrucciones a los autoreshttpwwwkomputersapienssmiamxindexphpoption=com_contentampview=articleampid=67ampItemid=96Todos los artiacuteculos deben ser de autoriacutea propia escritos en espantildeol y ajustarse a las siguientes caracteriacutesticas

1 Tratar un tema de inteligencia artificial y sus posibles aplicaciones a la solucioacuten de problemas praacutecticos (empresarialesindustriales de salud educativos sociales etc)

2 Tener una extensioacuten de 2500 a 3000 palabras en formato libre ilustrando los aspectos relevantes con al menos dosimaacutegenes EPS o PNG de al menos 300 DPI El formateo de la contribucioacuten es responsabilidad del equipo de edicioacuten

3 Abordar temas que puedan interesar a los lectores de la revista con el siguiente estilo de redaccioacuten

a) Utilizar lenguaje simple claro y de faacutecil comprensioacuten para el lector no especializado

b) Evitar foacutermulas matemaacuteticas y explicar en forma sencilla todos los teacuterminos teacutecnicos referidos

c) Dividir el texto en secciones sin numeracioacuten y con los subtiacutetulos adecuados

4 Incluir tres paacuterrafos de texto (maacuteximo tres) que expliquen de forma muy resumida los aspectos maacutes relevantes delartiacuteculo Cada paacuterrafo no debe exceder 20 palabras

5 Proporcionar referencias bibliograacuteficas en formato simplificado de ISO

6 Al final de la contribucioacuten incluir una breve ficha biograacutefica de cada autor con una extensioacuten maacutexima de 90 palabrasy su respectiva fotografiacutea tamantildeo infantil en imagen EPS o PNG de al menos 300 DPI

Todos los artiacuteculos seraacuten revisados por un comiteacute editorial y su dictamen seraacute comunicado a los autores En caso de seraceptado el artiacuteculo y despueacutes de que se realicen los cambios solicitados los editores de la revista se reservan el derechode hacer las adecuaciones requeridas al formato de la edicioacuten final Se programaraacute la publicacioacuten del artiacuteculo una vezrecibido el formulario de cesioacuten de derechos de autor a la revista Komputer Sapiens

El formulario de cesioacuten de derechos y la guiacutea para elaboracioacuten de referencias estaacuten disponibles enhttpwwwkomputersapienssmiamxindexphpoption=com_contentampview=articleampid=67ampItemid=96

Para su evaluacioacuten los artiacuteculos deben enviarse en formato PDF a traveacutes del sistema EasyChair en la direccioacutenhttpswwweasychairorgconferencesconf=ksapiens-afectiva Para cualquier duda contacte a los editores enviando uncorreo a editorialkomputersapiensorg

La revista tambieacuten cuenta con cinco columnas especiales deskubriendokonocimiento iaeducacion estadoiarte etlakuilo ysakbe Enviacutee su contribucioacuten a columnakomputersapiensorg

q Formulario de Suscripcioacuten a Komputer Sapiens

Datos del suscriptor (para enviacuteo de la revista)

Tipo de suscripcioacuten copy individual copy institucionalNombre

Nombre(s) Apellido paterno Apellido materno

Direccioacuten

Calle No exterior No interior Colonia

Coacutedigo postal Ciudad Estado Paiacutes

Correo electroacutenico Teleacutefono Fax

Datos para enviacuteo del recibo (completar si los datos no son los mismos del suscriptor)

NombreNombre(s) Apellido paterno Apellido materno

Direccioacuten

Costo de las suscripciones 2014Incluyen IVA y gastos de enviacuteo por correo terrestre

Individuales Meacutexico MX$ 27000 EEUU US$ 3500Cuba US$ 7300Otros paiacuteses Favor de comunicarse

Institucionales Meacutexico MX$ 57000 Incluye 3 ejemplares de cada volumen disponible soacutelo en Meacutexico

Depositar el monto de la suscripcioacuten a la Sociedad Mexicana de Inteligencia Artificial AC en la cuentaBanamex 0047040 Sucursal 4152 CLABE002180415200470406

y enviar este formulario con copias del comprobante de pago y de la ceacutedula de identificacioacuten fiscal para emisioacutende factura en caso de requerirse a komputersapienssmiaorgmx o bien al fax +52 (55) 58645651 atencioacutena Komputer Sapiens

EVENTOS ACADEMICOS

COMIA 20146o Congreso Mexicano de Inteligencia Artificial

26 al 30 de mayo de 2014 Zumpango Estado de Mexicohttpwwwcomiaorgmx2014

El Congreso Mexicano de Inteligencia Artificial - COMIA 2014 esta organizado por la SociedadMexicana de Inteligencia Artificial (SMIA) y se promueve como un foro cientıfico serio para pre-sentacion y publicacion de trabajos de investigacion derivados de tesis o proyectos terminados o enproceso en espanol Los temas de interes son todas las areas de la Inteligencia Artificial incluyendopero no limitado a Sistemas expertos y sistemas basados en conocimientos Representacion y Mane-jo del Conocimiento Adquisicion del Conocimiento Sistemas Multi-agente e IA distribuida entre otros

CLAIO 2014Conferencia sobre Investigacion de Operaciones

6 al 10 de octubre de 2014 Monterrey Mexicohttppisisfimeuanlmxclaio2014

La Asociacion Latino Iberoamericana de Investigacion Operativa (ALIO) y la comunidad mundial deInvestigacion de Operaciones (IO) invita a participar en el XVII Congreso Latino-Iberoamericano de

Investigacion Operativa organizado conjuntamente con el 3er Congreso de la Sociedad Mexicana deInvestigacion de Operaciones (CLAIOCSMIO 2014) El programa academico consistira en sesionestecnicas y especiales en paralelo conferencias plenarias y tutoriales que cubriran varios aspectos de IO

CORE 201414avo Congreso Internacional en Ciencias de la

Computacion12 al 14 de noviembre de 2014 Ciudad de Mexicohttpwwwcorecicipnmx

El Centro de Investigacion en Computacion (CIC) invita a participar en la 14ava edicion del CongresoInternacional en Ciencias de la Computacion (CORE 2014) el cual tendra lugar en la Ciudad de Mexicoen Noviembre del 12 al 14 de 2014 Los Topicos de interes incluyen (no esta limitado a este topico)Simulacion y Modelado Automatizacion en Tiempo-Real Procesamiento de Lenguaje Natural Basesde Datos y Tecnologıa de Software Redes Neuronales y Computacion no Convencional InteligenciaArtificial entre otros

iexclPublique en Komputer Sapiens

Komputer Sapiens solicita artıculos de divulgacion en todos los temas de Inteligen-cia Artificial dirigidos a un amplio publico conformado por estudiantes academicosempresarios tomadores de decisiones y consultores Komputer Sapiens es patrocinadapor la SMIA la Sociedad Mexicana de Inteligencia Artificial

wwwsmiaorgmx

Instrucciones para autores e informacion general httpwwwkomputersapiensorgSıguenos en las redes sociales wwwfacebookcomKomputerSapiens twittercomKomputerSapiens

00_portadaKS61

01_portada_interiorKS61

02_camerareadyKS61

03_contraportada_interiorKS61

04_contraportada_exteriorKS61

Contenido

Adaptacioacuten de la teacutecnica heuriacutesti-ca optimizacioacuten por enjambres departiacuteculas para resolver un proble-ma de empaquetamiento con res-tricciones de precedenciapor Josue Daniel Castillo Cruz Roman Anselmo Mora Gu-tieacuterrez Eric Alfredo Rincoacuten Garciacutea and Antonin SebastienPonsich Martiacutenezpaacuteg 7 rArr Solucioacuten del problema de programacioacuten de horarios en laUniversidad Autoacutenoma Metropolitana

Nuevo sistema de informacioacuten de bajo costo basa-

do en tecnologiacutea bluetooth para conocer el estado

de las carreteras en tiempo real

por Pedro Garciacutea-Fernaacutendez Pedro A Castillo Pablo Garciacutea-Saacuten-chez Maribel G Arenas Antonio M Mora Gustavo Romero JuanJ Merelo y Victor M Rivas

paacuteg 12 rArr Optimizacioacuten del traacutefico en una red carretera en tiempo real parala prevencioacuten de accidentes

Planificacioacuten de tareas en sistemas cluster grid y

cloud utilizando algoritmos evolutivos

por Sergio Nesmachnow

paacuteg 18 rArr Programacioacuten de tareas en entornos distribuidos de coacutemputo hete-rogeacuteneo y a gran escala

Un algoritmo de estimacioacuten de distribuciones pa-

ra resolver un problema real de programacioacuten de

por Ricardo Perez Joumlns Sanchez Arturo Hernandez and CarlosOchoa

paacuteg 23 rArr La simulacioacuten con la estimacioacuten de distribuciones se integran paraoptimizar la programacioacuten de tareas en un sistema de manufactura de partesautomotrices

Columnas

Sapiens Piensa Editorial paacuteg 2

e-Tlakuilo paacuteg 4

Estado del IArte paacuteg 5

Sakbe paacuteg 6

IA amp Educacioacuten paacuteg 31

Deskubriendo KonocimientoResentildea de la peliacutecula Ellapaacuteg 33

Komputer Sapiens Enero - Abril 2014 Antildeo VI VolI

Sapiens Piensa

Johnatan E Pecero

asdasdasd

COLUMNAS

asdasdasd

COLUMNAS

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

Sapiens Piensa

Johnatan E Pecero

asdasdasd

COLUMNAS

asdasdasd

COLUMNAS

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

asdasdasd

COLUMNAS

asdasdasd

COLUMNAS

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

COLUMNAS

asdasdasd

COLUMNAS

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

COLUMNAS

asdasdasd

COLUMNAS

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

COLUMNAS

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

1 21492 28043 28324 321825 241666 1269

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

Agradecimientos

REFERENCIAS

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

SOBRE LOS AUTORES

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

realidad actual

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

investigacioacuten

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

resultados previos

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

(17-27 mejora)

REFERENCIAS

SOBRE EL AUTOR

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFERENCIAS

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

SOBRE LOS AUTORES

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

COLUMNAS

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

REFLEXION

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

COLUMNAS

Ellade Spike Jonze

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

wwwsmiaorgmx

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

Direccioacuten

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

EVENTOS ACADEMICOS

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

wwwsmiaorgmx

00_portadaKS61

02_camerareadyKS61

Documents

Derechos de Autor. ISSN 2007-0691. - smia.mxsmia.mx/komputersapiens/download.php?file=ks61_1.87MB_compact… · cluyendo computación evolutiva, redes neuronales, lógica difusa,