Mejoramiento del modelo sustituto basado en codificación dispersa denominado SESM: Sparse-encoded surrogate model

Resolver problemas de la vida real generalmente requiere de una búsqueda numérica o
algorítmica de parámetros que minimicen o maximicen una función y esta a la vez se basa en
una evaluación reiterada de dicha función, funciones que en su mayoría son complejas, con
decenas de parámetros y de alto costo de evaluación.
En procesos de optimización multiobjetivo con funciones objetivo de alto costo de evaluación,
definidas a partir de las denominadas "cajas negras", reducir el número requerido de
evaluaciones costosas contribuye a la eficiencia, convergencia y rapidez de los resultados,
además de reducir el consumo de recursos de los algoritmos para llegar al óptimo buscado.
En ese sentido, esta propuesta se formula para dar continuidad al trabajo doctoral de la
investigadora Cindy Calderón Arce, titulado “Reducción de evaluaciones a funciones costosas en
estrategias de optimización multiobjetivo”, desarrollado bajo la asesoría del investigador José
Pablo Alvarado Moya y en la cual participó el investigador Juan Pablo Soto Quirós en el comité
evaluador. Como parte del trabajo doctoral se propuso un modelo sustituto basado en
codificación dispersa, denominado “SESM: Sparse-encoded surrogate model”, utilizado para
reconstruir y sustituir funciones de alto costo de evaluación en problemas de optimización
multiobjetivo.
Si bien es cierto, existen propuestas de algoritmos de optimización multiobjetivo que sustituyen
las funciones costosas por modelos con bajo costo de evaluación, la construcción de dichos
modelos depende de un número considerable de evaluaciones de la función original.
Así, SESM extiende técnicas de codificación dispersa, utilizadas en aplicaciones como
segmentación de imágenes y procesamiento de señales, para generar modelos sustitutos a partir
de un conjunto de datos observados o muestras. Reemplaza las funciones costosas por modelos
sustitutos, en procesos de optimización multiobjetivo, reduciendo la cantidad de evaluaciones de
alto costo de evaluación y contribuyendo con la reducción en el consumo de recursos al buscar
soluciones a problemas de optimización.
Los primeros resultados de SESM han sido satisfactorios y probados en problemas reales de alto
costo de evaluación, pero su biblioteca actualmente se encuentra en una plataforma de acceso
restringido, por lo que no es accesible ni está disponible para uso de toda la comunidad científica.
Además, como resultado de la investigación doctoral se plantearon algunos trabajos futuros,
como complemento y mejora a la primera versión de SESM. Por lo que la principal contribución
de esta propuesta es la mejora de SESM en cuanto a eficiencia, estabilidad, robustez,
adaptabilidad y accesibilidad. Para ello se incorporarán nuevos estudios y estrategias de
algoritmos de detección comprimida, minimización de errores al ajustar parámetros,
reconstrucción de objetos en espacios complejos y clústering en la partición de espacios, para
generalizarlos y adaptarlos a SESM.

Mejorar la eficiencia, adaptabilidad y estabilidad del
modelo sustituto basado en codificación dispersa denominado SESM:
Sparse-encoded surrogate model.

- Escuela de Matemática:
Matemática aplicada: modelación, simulación, inteligencia artificial, análisis de
datos, visualización de información, optimización y aplicaciones a la ingeniería y
a las ciencias.
- Escuela de Electrónica:
Procesamiento de datos, control y optimización: se enmarcan en esta línea
de investigación las estructuras, algoritmos y los circuitos y sistemas electrónicos
y microelectrónicos diseñados para controlar, optimizar o procesar datos con un
fin específico. Esta área incluye los sistemas de actuación para ejecutar el control
que pueden ser circuitos electrónicos de potencia, sistemas electromecánicos,
hidráulicos y neumáticos. La investigación desarrollada en esta área debe
enfocarse a aplicaciones relacionadas con el agua, el ambiente y los sistemas
agropecuarios sostenibles, la cultura, la energía, el hábitat, el sector productivo y
la salud.