From collective intelligence to global optimization: an agent-based model approach
Garzón, M., Álvarez-Pomar, L., & Rojas-Galeano, S. (2025). From collective intelligence to global optimisation: An agent-based model approach. Computing, 107(83). https://doi.org/10.1007/s00607-025-01429-8
Este artículo presenta una estrategia adaptativa basada en sistemas multiagente para abordar problemas de optimización multiobjetivo, con el propósito de mejorar tanto la exploración del espacio de búsqueda como la calidad de las soluciones obtenidas. La propuesta organiza a los agentes para que cada uno ejecute estrategias de búsqueda diferentes, combinando múltiples heurísticas dentro de un mismo entorno cooperativo. Además, incorpora un mecanismo de adaptación dinámica que permite a los agentes modificar su comportamiento de acuerdo con su desempeño durante el proceso de optimización. La cooperación entre agentes se lleva a cabo mediante el intercambio de soluciones no dominadas, favoreciendo la construcción de un frente de Pareto más diverso y cercano a las soluciones óptimas. Los autores evaluaron el sistema utilizando benchmarks estándar de optimización multiobjetivo, obteniendo mejoras significativas en términos de convergencia, diversidad y robustez frente a distintos tipos de problemas. Los resultados muestran un desempeño superior respecto a estrategias individuales no cooperativas, así como una mayor capacidad de adaptación a diferentes regiones del espacio de búsqueda. Finalmente, el estudio plantea como trabajo futuro la extensión del enfoque a problemas dinámicos y en tiempo real, así como su integración con algoritmos híbridos avanzados y técnicas de aprendizaje automático para aplicaciones reales de gran escala.
