Premsa universitària de Catalunya, el País Valencià, les Illes Balears, Catalunya Nord, Andorra i l'Alguer|dilluns, maig 10, 2021
Sou aquí: Home » Miscel·lània » Institut d’Investigació en INTEL·LIGÈNCIA ARTIFICIAL del CSIC: Un algoritme soluciona problemes d’agrupació d’individus a gran escala a tot tipus d’escenaris

Institut d’Investigació en INTEL·LIGÈNCIA ARTIFICIAL del CSIC: Un algoritme soluciona problemes d’agrupació d’individus a gran escala a tot tipus d’escenaris 

compartir

teams

Desenvolupat per l’Institut d’Investigació en Intel·ligència Artificial del CSIC, permet formar col·lectius amb objectius comuns en escenaris de gran escala, amb milions de possibles agrupacions, de forma molt més ràpida

El seu ús és útil per al compliment dels Objectius de Desenvolupament Sostenible, com el de la mobilitat compartida o la compra col·lectiva d’energia

Com es pot formar equips efectius i que treballin bé junts? Quines persones han de compartir cotxe per reduir emissions de CO2? Aquestes són algunes de les preguntes que sorgeixen quan col·lectius humans es plantegen agrupar-se i coordinar-se per aconseguir beneficis. Però en escenaris de gran escala, on hi ha milions de possibles agrupacions, trobar els millors col·lectius requereix massa temps.

Un nou algoritme desenvolupat per Filippo Bistaffa, investigador de l’Institut d’Investigació en Intel·ligència Artificial del CSIC (IIIA-CSIC), proposa un enfocament nou per enfrontar-se al problema d’optimització que busca l’agrupació d’individus més beneficiosa. Bistatta ha desenvolupat aquest algoritme junt als investigadors Georgios Chalkiadakis i Alessandro Farinelli, de les Universitats de Creta i de Verona respectivament. Els resultats es presenten a la revista IEEE Transactions on Cybernetics, una de les més destacades en aquesta disciplina.

El nou algoritme proposat pels científics és capaç de resoldre el problema d’agrupació d’individus en escenaris reals de gran escala. Fins ara, els algoritmes desenvolupats en el camp de l’optimització només podien tractar aquest problema a petita escala, com a màxim entre 25 i 30 usuaris. No obstant això, no eren aplicables a situacions reals on la població d’individus a agrupar és molt més gran.

Els autors del treball han transformat la representació del problema original, molt general i potencialment difícil de tractar, en una de més senzilla a partir d’una xarxa social entre els individus. D’aquesta manera, se simplifica també el problema de formació de col·lectius i permet abordar per a escenaris de gran escala utilitzant tècniques basades en teoria de grafs.

Per posar a prova i avaluar l’algoritme, els investigadors l’han comparat amb l’algoritme CFSS, específicament dissenyat per resoldre el problema de formació de col·lectius en escenaris de mobilitat compartida, i han aconseguit calcular solucions aproximades de millor qualitat respecte a les que va calcular el CFSS. Aquests resultats demostren que el principal avantatge de l’algoritme es troba en la seva generalitat, que permet aplicar-lo en tot tipus d’escenaris reals i no només en el camp de la mobilitat compartida, com en el cas de l’algoritme CFSS.

Aquest nou algoritme suposarà per tant un avanç en camps tan importants i necessaris relacionats amb els Objectius de Desenvolupament Sostenible (ODS) com la mobilitat compartida amb vehicles autònoms intel·ligents o la compra col·lectiva d’energia.
A més, donat que és un algoritme general i no está pensat específicament per a un escenari particular, compleix amb els criteris de ‘sostenibilitat computacional’, ja que pot facilitar la formació de col·lectius en escenaris molt diferents sense la necessitat de dissenyar un algoritme específic per a cada cas.

Què és l’optimització?

L’optimització, dins el camp de la informàtica i la Intel·ligència Artificial, és el mètode matemàtic per trobar la solució ‘òptima’, és a dir, la més beneficiosa en funció d’uns criteris determinats i dins d’un espai amb múltiples de possibilitats. Entre les aplicacions de l’optimització, una d’elles és la formació col·lectius humans òptims, és a dir, trobar l’agrupació d’individus el rendiment de la qual sigui el màxim possible d’acord a una mesura de qualitat concreta.

El problema de formació de col·lectius ha estat molt estudiat en la literatura científica i es pot trobar en nombrosos escenaris reals com la formació d’equips per al treball cooperatiu a les aules o per compartir vehicles per estalviar costos i reduir emissions contaminants.♦

Related posts: