New Kid in the Classroom: Exploring Student Perceptions of AI Coding Assistants
Rojas-Galeano, S. (2025). New kid in the classroom: Exploring student perceptions of AI coding assistants. arXiv. https://arxiv.org/abs/2507.22900
Este artículo propone una metaheurística paralela basada en la técnica de Búsqueda Tabú para resolver problemas de optimización multiobjetivo, con el objetivo de mejorar la calidad del frente de Pareto y aumentar la eficiencia computacional mediante mecanismos de cooperación entre procesos. La metodología extiende el enfoque tradicional de Tabu Search al contexto multiobjetivo e incorpora un esquema paralelo en el que múltiples procesos exploran simultáneamente diferentes regiones del espacio de soluciones. La cooperación se realiza mediante el intercambio de información a través de un conjunto compartido de soluciones no dominadas, mientras que las listas tabú y los criterios de aspiración permiten evitar ciclos y promover la exploración de alternativas prometedoras. Los autores evaluaron el método utilizando los problemas de referencia ZDT1, ZDT2 y ZDT3, ampliamente empleados en la validación de algoritmos de optimización multiobjetivo. Los resultados muestran la obtención de frentes de Pareto de alta calidad, con un desempeño superior al de algoritmos clásicos como NSGA-II y SPEA. Asimismo, la propuesta logra un mejor equilibrio entre exploración global y explotación local, beneficiándose además de la paralelización para reducir los tiempos de ejecución. Finalmente, el estudio concluye que la estrategia es efectiva en términos de convergencia y diversidad de soluciones, y plantea como líneas futuras de investigación su aplicación a problemas de mayor dimensión, entornos dinámicos, integración con algoritmos evolutivos y sistemas multiagente más complejos, así como el desarrollo de mecanismos de adaptación automática de parámetros para problemas reales de ingeniería.
