Académico de Ingeniería Informática recibe premio de Sociedad Española de Estadística

Un equipo de investigadores, del que es parte el académico del Departamento de Ingeniería Informática y Ciencias de la Computación, Pedro Pinacho, fue distinguido con el premio a la Mejor Contribución Metodológica en Investigación Operativa de la Sociedad de Española de Estadística e Investigación Operativa (SEIO).

Este es uno de los varios premios que otorga anualmente la SEIO junto a Fundación BBVA con el objetivo de incentivar los estudios en el área de la estadística y de la investigación operativa, además de fomentar su proyección laboral.

El trabajo premiado lleva por título Construir, fusionar, resolver y adaptar: un nuevo algoritmo general para la optimización combinatoria y fue escrito por Christian Blum del Artificial Intelligence Research Institute de España (IIIA-CSIC); Manuel López-Ibáñez de la Universidad de Málaga, José A. Lozano de la Universidad del País Vasco y el académico UdeC, Pedro Pinacho.

La investigación, publicada en Computers & Operations Research, es parte del núcleo de la tesis de doctorado de optimización del profesor Pinacho y trata del desarrollo de un nuevo algoritmo. 

“En mi doctorado trabajé sobre problemas de optimización combinatoria y desarrollamos un algoritmo nuevo que se llama CMSA (Construct, Merge, Solve and Adapt), que está pensado para atacar distintos problemas de optimización combinatoria, en especial, aquellos que son demasiado grandes para tratar de abordarlo con técnicas exactas”, explicó Pedro Pinacho.

Los problemas grandes aplican a muchas industrias diferentes como, por ejemplo, la de la genética en bioinformática, problemas de grafos y de enrutamiento, entre muchos otros. 

“La técnica que desarrollamos ha sido utilizada por muchos otros autores, demostrando así su relevancia; por eso creo que ganó el premio de contribución metodológica”, comentó el académico UdeC.

El investigador agregó que este algoritmo se basa en una técnica de hibridación llamada “reducción de instancias de problemas”, que permite utilizar técnicas exactas o completas donde tradicionalmente no es posible, debido al tamaño del problema de optimización, lo que supone la necesidad de demasiados recursos computacionales. 

“Nosotros transformamos el problema en uno más pequeño y así la técnica exacta puede funcionar adecuadamente, de esta forma, logramos romper el estado del arte sobre la solución de varios importantes problemas industriales”, puntualizó.