Jesus L. Lobo y Esther Villar Rodriguez presentan dos trabajos de investigación en el principal evento sobre inteligencia computacional, IEEE WORLD CONGRESS ON COMPUTATIONAL INTELLIGENCE celebrado del 24 al 29 de Julio en Canada.

En este evento se dieron cita los principales intelectuales de todo el mundo para presentar los resultados de la investigación sobre inteligencia computacional en los ámbitos de Redes Neuronales, Sistemas Difusos y Computación Evolutiva.

El trabajo de investigación “Community Detection in Graphs based on Surprise Maximization using Firefly Heuristics”, elaborado por  Javier Del Ser, Jesus L. Lobo y Esther Villar-Rodriguez de TECNALIA y  Miren Nekane Bilbao y Cristina Perfecto  de la UPV/EHU, explica como la necesidad de detectar comunidades en grafos es habitual encontrarla trabajando con datos de redes sociales, o distribuyendo recursos de radio para redes wireless, o analizando la colaboración científica a través de las citas, o prediciendo las funciones de las proteínas, etc.

Uno de los problemas clásicos en la detección de comunidades en grafos es el llamado “resolution limit“, que hace que determinados algoritmos sean incapaces de detectar comunidades  por debajo de un determinado tamaño. Por otro lado, no existe un algoritmo lo suficientemente universal y competitivo como para detectar comunidades de tipologías y tamaños diferentes.

En este trabajo de detección de comunidades de grafos se presentó un algoritmo que, basado en una métrica denominada “Surprise” y en un algoritmo evolutivo llamado “Firefly”, simula  el comportamiento de las luciérnagas para llegar a una solución óptima del problema, es capaz de detectar comunidades de cualquier tamaño trabajando con grafos de diferentes topologías, además de ser una solución competitiva y universal.

En un futuro, este trabajo será ampliado para abarcar otras líneas de investigación relacionadas como pueden ser los grafos pesados, la superposición de comunidades, o la auto-configuración de los parámetros.

El proyecto que se presentó bajo el título “A Novel Adaptive Density-based ACO Algorithm with Minimal Encoding Redundancy for Clustering Problems” desarrollado por Esther Villar-Rodriguez y Javier Del Ser de TECNALIA en colaboración con Miren Nekane Bilbao de la UPV/ EHU, Antonio Gonzalez-Pardo de Basque Center for Applied Mathematics (BCAM) y Sancho Salcedo-Sanz de la Universidad de Alcalá.

Durante la presentación de este proyecto, Esther Villar explicó cómo se aplica el algoritmo de las hormigas a los problemas del clustering. Expuso como un algoritmo evolutivo que se basa en la estigmergia, fenómeno de colaboración gracias a las feromonas, que se da en las colonias de hormigas en el proceso de búsqueda de alimentos, fue modificado con el fin de evitar los inconvenientes de los algoritmos de clustering (la especificación del número de clúster, la redundancia en la codificación cuando se trata con poblaciones y el carácter esférico de las soluciones encontradas a causa de las medidas de similaridad empleadas), permitiendo de este modo, encontrar un número indeterminado de grupos, pudiendo ser estos de formas complejas gracias a un enfoque basado en densidad.

 

 

Share This