Erik Valdemar Cuevas y Julio Rosas-Caro
En el año 2016, el programa AlphaGo creado por DeepMind ocupó algunos titulares en las noticias y logró derrotar a Lee Sedol en el juego de Go. Lee era el campeón mundial y era la primera vez en la historia en el que una computadora derrotaba a un campeón mundial de Go en un formato de torneo de cinco juegos. AlphaGo utilizó una combinación de técnicas de aprendizaje profundo y aprendizaje por refuerzo, siendo el método del gradiente descendiente una parte fundamental de su algoritmo de entrenamiento. Este hecho fue un ito interesante, quizás tan trasdencente como lo que ocurrió en 1997, donde una computadora de IBM logró derrotar a Garry Kasparov en ajedrez, aunque la programación del programa de ajedrez era diferente, basada en algoritmos de búsqueda en árboles de juego.
En 1995, un científico del área de ciencias sociales y del comportamiento (James Kennedy), trabajó junto con un Ingeniero Eléctrico (Russell Eberhart) para crear un algoritmo computacional que pretendía imitar el comportamiento de una bandada de pájaros. La idea surgió al observar las aves y cómo, sin una guía aparente, lograban sincronizar sus movimientos para encontrar destinos como fuentes de alimentación o lugares de descanso. Kennedy y Eberhart se preguntaron si podrían modelar este comportamiento y usarlo para resolver problemas de optimización complejos, el resultado fue el algoritmo de Particle Swarm Optimization (PSO), uno de los algoritmos de optimización más populares del mundo.
Estos logros son el resultado de un desarrollo de varias décadas, en los que científicos alrededor del mundo han desarrollado una teoría en la que las computadoras pueden resolver problemas complejos de una forma más rápida de la que podría hacerlo un ser humano. Es un reto complicado, no se trata de recordar información o de hacer cálculos con muchos dígitos, algo que las computadoras hacen naturalmente mejor que los seres humanos, se trata de aplicaciones más complejas, en las que el cerebro humano parecería tener ventaja contra una computadora programable. El resultado de esto y muchos otros desarrollos relacionados es la optimización numérica.
En el ámbito de la ingeniería y las ciencias aplicadas, la optimización es más que un mero cálculo; es la clave para alcanzar la eficiencia máxima y la efectividad en todo, desde redes complejas hasta sistemas de energía y procesos industriales. A lo largo de las décadas, la optimización ha evolucionado significativamente, comenzaron con métodos simples de prueba y error, y han llegado hasta las sofisticadas técnicas que utilizamos hoy en día.
Uno de los avances más significativos en este campo ha sido el desarrollo y mejora de herramientas como Matlab. Este entorno de programación y lenguaje de script se ha convertido en un estándar de facto para los profesionales que buscan soluciones precisas y eficientes a problemas de optimización complejos. Matlab no solo ofrece un conjunto robusto de funciones para la optimización, sino que también proporciona una plataforma intuitiva que permite a usuarios de todos los niveles, desde principiantes hasta expertos, implementar y experimentar con algoritmos de optimización avanzados.
A pesar de su importancia plenamente identificada, introducirse al mundo de la optimización puede ser desafiante. Probablemente has escuchado que para adentrarse en la optimización hay que tomar cursos de matemáticas, cálculo, programación, modelado matemático. Y que la cantidad de información que ha surgido recientemente entorno a la optimización es abrumadora. Al abrir un libro de optimización podemos notar que desde el comienzo tiene ecuaciones muy complejas con múltiples dimensiones.
Algoritmos de optimización en ingeniería es un libro diseñado para introducir al lector de una forma sencilla y amena al mundo de la optimización numérica. Sin necesidad de tomar cursos previos, ni de tener a un instructor experto en el tema. El objetivo es que con un lenguaje siple y claro, puedas saber de que va este nuevo y misterioso, pero a la vez, maravilloso mundo.
En este libro se explora tanto la optimización, como el uso de Matlab para abordar problemas relacionados con la ingeniería de manera efectiva. Desde fundamentos básicos hasta algunos de los algoritmos más modernos, el libro está diseñado para equipar a los lectores con el conocimiento y las habilidades necesarias para aplicar métodos de optimización en escenarios de la ingeniería y del mundo real.
Además de la lectura ligera, otra característica distintiva de este libro es su amplio contenido de códigos en Matlab, probados y explicados. La inclusión de ejemplos de código ya preparados no solo hace que la materia resulte más atractiva y digerible, sino que también te anima a experimentar, modificar y mejorar el código con tus propias ideas. Este método de aprendizaje está diseñado para que resulte menos desalentador y más estimulante, sobre todo para los que podrían sentirse abrumados ante la perspectiva de desarrollar programas complejos desde cero.
Te invitamos a leer este libro si estás interesado en:
- Entender los principios fundamentales de la optimización.
- Aprender a implementar estos métodos en Matlab de manera efectiva.
- Resolver problemas complejos de optimización con confianza y precisión.
La optimización es más que un campo de estudio; es una herramienta esencial que impulsa la innovación y la eficiencia en numerosas industrias. Algoritmos de optimización en ingeniería es tu puerta de entrada a este mundo fascinante: te proporcionará todo lo necesario para comenzar a aprovechar el poder de MATLAB en tus proyectos e investigaciones.
¡Explora el potencial completo de la optimización con este libro y lleva tus habilidades al siguiente nivel!
