Cargando...
OPTIMIZACION DE ALGORITMOS
La optimización de algoritmos se emplea para resolver problemas que pueden ser reducidos a un esquema que interpone inclusive gráficos, en su solución final, para una mejor comprensión (Juraj Hromkovik, “Algorithms for Hard Problems: Introduction to combinatorial Optimization, Randomization, Approximation and Heuristics”).
El sistema lógico de cerebración (análisis) del lóbulo pre frontal del hemisferio izquierdo formula pensamientos y acciones de forma secuencial donde los eventos se suceden en función al tiempo (forma secuencial). Existen para ello poblaciones de neuronas que disparan en intervalos fijos de tiempo para marcar el inicio de cada acción. Pero paradójicamente, el pensamiento también tiene niveles y grados de información, todos capaces de ser conectados entre sí a través de funciones específicas del lóbulo frontal de forma saltatoria, que actúa como el programa WindowsTM de las computadoras clásicas. Vale decir ,como el programa citado, “sabe encontrar” la información de acuerdo a un input de ingreso que solicita ese dato y que no es todas las veces secuencial. Es saltatorio, no sigue una secuencia en la búsqueda y se activa según solicitaciones. Solo busca y encuentra. Tl lóbulo frontal, no posee los datos y mucho menos, los procesa. Pero si sabe de dónde extraerlos. La velocidad de esta búsqueda saltatoria es muy lenta en el cerebro humano y tiene máximo uno o dos patrones validos primarios de indagación para establecer comparación de datos. EL computador por otro lado si se desea, puede utilizar un número mayor a través de algoritmos de búsqueda a medida que va saltando, buscando patrones a gran velocidad (ie., Bogdan Crivat, ”Sistema de Minería de Datos, con Microsoft SQL SERVER”) o explorando fuentes validas con un search space (un dominio de funciones a ser optimizadas) apropiado de amplitud de márgenes de pesquisa.
En la página 1 del libro de B. Crivat por ejemplo, define al proceso de Minería… “como un método de analizar los datos para encontrar patrones escondidos (sic), empleando metodologías automáticas basadas en más de una función logarítmica”, situación está que muy difícilmente una mente humana lo logre y mucho menos en un tiempo real breve.
El otro proceso, se basa en información previamente incorporada a la memoria, que responde a un sistema aprendido secuencialmente, estructurado y que ocurre cuando se piensa en un fenómeno proyectivo (anticipatorio, predictivo) que paralelamente se ancla en una teoría que permite realizar una o diferentes inferencias de juicios críticos con la intención de delimitar una predicción (término preferido al de hipótesis). El vocablo hipótesis en este ensayo, que constituye el primer ítem en la estructuración del método científico, es más bien interpretado como una idea, ocurrencia, basada en un hecho probable pero sin estructuración algorítmica, y a veces, hasta carente de una fusión matemática como para evitar llegar a un resultado inestable que admite muchos errores y pérdidas de tiempo. Es diferente a una predicción.
Las bases para generar una predicción afirmadas en un Algoritmo de Búsqueda (Search Algorithm) definido como un algoritmo para hallar uno o varios ítems de propiedades específicas dentro de una colección de elementos pertenecientes o no a un set o grupo, se fundamenta en lo siguiente: No como sondeo de elementos para llenar o generar una base de datos sino como funciones o elementos de un search space. (Search space: significa como dijimos anteriormente, a un dominio de la función o funciones a ser optimizada(s)); o en la concepción de algoritmos genéticos como el “set” o conjunto de todas las posibles soluciones (candidate solutions); siempre definido por formulas o procedimientos matemáticos (David E. Goldberg, “Genetic Algorithms”).
Las preguntas simplificadas y que sirven de sustentación a un proyecto para la generación de los ejes centrales de tales algoritmos de investigación en ciencias, serian por ejemplo, respuestas a un grupo de cuestionamientos que ayudaran a su apropiada anticipación y ordenamiento del pensamiento de funciones ejecutivas, tales como:
1. Fecha probable de terminación (Nada vale sin fecha de terminación. Se pueden presentar miles de proyectos, maquetas, etc. Sin fecha de terminación nada es realísticamente viable en un sistema inteligente). En un procedimiento bien estructurado una concepción sin variable de tiempo, carece de verdad, de seriedad y todo lo que se presente es virtual, por la inestabilidad que presupone sobre la cual ya se explicó anteriormente porque sin temporalidad, no se legitima su culminación.
2. Nivel de información (Base de datos almacenada y actualizada previamente pero también de continua renovación y puesta al dia).
3. Propósito o fundamento.
4. EL concepto básico de la predicción.
5. Lo concreto que se utiliza en ese razonamiento para favorecer la secuencia de eventos en la estructuración de los algoritmos de búsqueda y la determinación (con que se cuenta) de la población de posibles soluciones (Este es un concepto prestado de los Sistemas basados en Algoritmos Genéticos).
6. Un resumen del propio punto de vista en cuanto al alcance e importancia de la predicción.
7. Cuáles son las inferencias más importantes.
8. Formulación de algoritmos con sustento matemático (Utilización de un lenguaje de programación, sistemas estadísticos, de minería de datos, etc.).
9. Discusión y conclusiones.
10. Implicación y consecuencias-impacto, de la predicción.
11. Impacto previo o paralelo de que otro posible investigador en el mismo campo, llegue antes o más eficientemente.
La estructuración del pensamiento y el procedimiento para su propia conformación se instaura sobre las bases de un proceso extensivo. No se logra ni se adquiere en semanas. Se basa en el uso guiado por un experto y optimizado de los recursos de ejecución que no se logran simplemente investigando sino que formalizando un pensamiento con información coherente que de acuerdo a las predicciones da pie a la puesta en práctica, donde también se pondera mucho para el éxito, los tipos de control y de descontaminación de errores con que se cuenten. De esta manera, se investiga hoy en los laboratorios de universidades de primer mundo. Pero no es requisito de ellas solamente, pues todo lo dicho es hoy perfectamente accesible para todo el mundo. Depende si, de la voluntad de hacer bien las cosas y de tener ese motor intrínseco funcionando constantemente, que se llama ansias de superación con esa energía que da la libertad de competencia.
Constraint:
Por ultimo debemos referirnos a un enfoque previo al inicio de una investigación de alto nivel. El Constraint es un término en ingles que se refiere a todos los múltiples factores que hay que tener en cuenta (también conocidos como “relaciones”) y que deben ser satisfechos para lograr un objetivo. El manejo apropiado de todas estas relaciones exige que antes de poner los ojos frente a los oculares de un microscopio, exista previamente un análisis concreto (teórico, basado en los elementos anteriormente citados) al manejo predictivo de cada una de las situaciones emergentes ya que está directamente relacionado este hecho a uno de los pilares de la estructura del pensamiento científico, cuerpo de la investigación y que constituyen el núcleo de las medidas de performance en los dos sub-campos de la predicción tanto en sus factores de semejanza como en los desiguales. Por ende, el constraint es una concepción que en cierta manera limita un set de posibles soluciones de donde se podría obtener un óptimo recurso pero por otro lado, dignifica la búsqueda al evitar posibles caminos que terminen en un abismo. Un análisis exhaustivo del constraint es fundamental para el logro predictivo. Y eso se aprende lentamente a través de ejercicios de práctica calibrada; otro de los grandes pilares sobre los cuales se sustenta la Estructura del Pensamiento Científico.
Generalmente es propio de una mente-boya (con esto quiero decir que mientras flota no le preocupa) de ignorar lo complejo ni tan siquiera informarse de ello. Pero la complejidad existe para una mejor adaptación al ambiente. Véase la diferencia entre un avión de los años veinte del siglo pasado y lo complejo (y seguro) de un avión de nuestra época. La complejidad mejora la adaptación al ambiente. Y si por evitar lo complejo se deja de lado todo lo que resulta difícil, complicado de aprender y asimilar o a la utilización del recurso de la negación (como la frase… “no necesito realmente saber eso en el campo de mi investigación o mi proyecto no tiene por qué contemplar tal situación”) recordar que la temporalidad es una variable que devora sin piedad. Y que cuando uno se da cuenta del error, es ya muy tarde para llorar. Toda investigación de un fenómeno natural (sobre todo biológico) será más diligente cuanto más pueda ser expresada en forma matemática. Esta premisa enunciada por Lord Kelvin aquí examinada, posee un brillo de valor que seduce por si sola.
*Especialista en Psiquiatría, con tesis presentada en la FCM, UNA.
Miembro de la Sociedad Científica del Paraguay.
Miembro Activo del Collegium Internationale Psychopharmacologicum (CINP)
Exinvestigador de Campo, Organización Mundial de la Salud (OMS).
Exmiembro del Board of Education – CINP.