Algunos científicos buscan solucionar problemas complejos en ciencias de la computación a partir de la creación de reglas derivadas de la observación de fenómenos biológicos, como los movimientos de las hormigas, los patrones de vuelo de las aves o el proceso natural de evolución.

A este método se le llama metaheurística bioinspirada, explica Carlos Coello Coello, integrante del Centro de Investigación y de Estudios Avanzados (Cinvestav) y premio Nacional de Ciencias y Artes 2012.

El especialista participa en un proyecto con la Japan Aerospace Exploration Agency, en el que se pretende enviar un avión a fotografiar la superficie de Marte en 2020. Para desarrollarlo, usan las metaheurísticas bioinspiradas.

Este método se ha aplicado en la solución de problemas muy complejos de optimización y clasificación que han ayudado, por ejemplo, a mejorar la detección de cáncer de mama, incrementar la velocidad del tren bala de Japón i las redes de distribución de potencia eléctrica, así como para resolver problemas de ingeniería aeroespacial.

Para entenderlo mejor, dice Coello, hay que tener en mente que una heurística es una técnica que busca soluciones buenas a un costo computacional razonable. A cambio de estas ventajas, no se garantiza que el resultado a encontrar sea óptimo, válido o factible, y en algunos casos ni siquiera puede determinarse qué tan cerca se encuentra de la mejor solución posible.

Pese a esta limitante, existen muchos problemas de optimización en el mundo en los que es imposible usar un método exacto que garantice hallar siempre el óptimo.

Además, el rápido crecimiento de la velocidad de los procesadores y el abaratamiento de las memorias de las computadoras que experimentamos hacia finales del siglo XX, han contribuido a popularizar el uso de las metaheurísticas –término acuñado por Fred Glover en 1986–, que se refiere a procedimientos de búsqueda de alto nivel, en los que se combinan varias reglas heurísticas para resolver un problema.

La flexibilidad y facilidad de uso que ofrecen las metaheurísticas las han vuelto una opción recurrente para resolver problemas (sobre todo de optimización) de alta complejidad.

Para quienes trabajan en computación, destaca el investigador, este siglo es el de las metaheurísticas, ya que construir mejores algoritmos (pasos que seguimos para resolver una tarea en particular), permite abrir un abanico de posibilidades y retos, desde optimizar los sistemas de control (robótica, estructuras, etcétera), programación de horarios, bioinformática, minería de datos (sobre todo con grandes volúmenes de datos), calibración de modelos y redes hidráulicas, ingeniería aeronáutica, clasificación y reconocimiento de patrones, problemas de transporte, hasta algoritmos para resolver la sincronización de semáforos en una avenida.

Hay varios ejemplos de metaheurísticas bioinspiradas: los algoritmos evolutivos, los cúmulos de partículas, los sistemas inmunes artificiales, y la colonia de hormigas.

De entre las metaheurísticas bioinspiradas, las más usadas son los algoritmos evolutivos, que se basan en el principio de supervivencia del más apto de Charles Darwin.