Los algoritmos computacionales se pueden aplicar en el diseño de sistemas inalámbricos y el análisis de redes sociales, como Facebook o Twitter / UPC

Investigadores de la UPC descubren que las ranas resuelven problemas de computación

.

Una investigación de científicos del Departamento de Ciencias de la Computación de la Universitat Politècnica de Catalunya (UPC) y de la Universidad del País Vasco demuestra que la desincronización natural de los cantos de las ranas arborícolas japonesas ha inspirado el desarrollo de algoritmos computacionales, que se pueden aplicar en el diseño de sistemas inalámbricos y el análisis de redes sociales, como Facebook o Twitter.

.

UPC / Cada vez es más habitual recurrir a la naturaleza para resolver los problemas de optimización al que se enfrentan los expertos del área de la computación. Maria José Blesa, profesora del Departamento de Ciencias de la Computación de la Universitat Politècnica de Catalunya (UPC), Christian Blum, profesor visitante de la UPC y profesor de la Universidad del País Vasco (UPV/EHU), y Borja Calvo, profesor de la misma universidad, en una investigación conjunta reciente, se han fijado en la rana arborícola japonesa (Hyla japonica) para crear nuevos algoritmos computacionales.

Los investigadores se han fijado en la rana arborícola japonesa (Hyla japonica) para crear nuevos algoritmos computacionale

Los machos de esta especie emiten sus cantos para atraer a las hembras, que así reconocen el origen de la llamada y localizan al pretendiente. El problema surge cuando dos o más machos están demasiado cerca y cantan a la vez. En ese caso, las hembras quedan confundidas y no pueden determinar de dónde proceden las llamadas.
Por esta razón, los machos han tenido que aprender a desincronizar sus cantos, es decir, a no cantar al mismo tiempo, para que las hembras los puedan diferenciar y así elegir al individuo más dotado. “Este proceso es un buen ejemplo de autoorganización en la naturaleza, que nos ha servido para desarrollar los algoritmos bioinspirados”, explica Christian Blum.

El equipo ha utilizado esta herramienta matemática para resolver problemas de computación relacionados con grafos, un conjunto de nodos unidos por enlaces que representan gráficamente sus relaciones. Por ejemplo, la red de metro o las relaciones de amistad entre las personas se pueden representar mediante grafos.

Hace unos años los investigadores utilizaron estos algoritmos para colorear grafos, una técnica con aplicaciones en el entorno de las redes inalámbricas. Ahora, según el estudio que publican en la revista Swarm Intelligence, los han utilizado para detectar los denominados ‘conjuntos independientes de nodos’, aquellos que no están enlazados directamente dentro del grafo.

.

Aplicaciones en redes sociales e inalámbricas

“Esto tiene aplicaciones muy importantes en las redes de comunicación, por ejemplo, en la formación de redes troncales o backbones inalámbricas, pero también en el entorno de las redes sociales, como Facebook o Twitter, ya que permite analizar su estructura y detectar comunidades independientes dentro de ellas”, añade Blum.

Tiene aplicaciones en la formación de redes troncales o backbones inalámbricas, pero también en el entorno de las redes sociales

Así, se podrían localizar usuarios con poca participación o visibilidad, detectar comunidades muy cerradas que no interactúan con el resto, descubrir personajes populares y bien relacionados en la red, o encontrar usuarios que convendría conectar para aumentar las relaciones entre determinadas comunidades. “Todo este tipo de cuestiones se puede traducir en problemas matemáticos que se pueden resolver sobre el grafo que representa la red”, apunta el profesor visitante de la UPC.

Según los autores de la investigación, los resultados de los nuevos algoritmos “son excelentes y superan sustancialmente lo conseguido hasta ahora por otros algoritmos, como los inspirados en el sistema nervioso de la mosca Drosophila”.

.

Referencia:

Christian Blum, Borja Calvo, María J. Blesa. “FrogCOL and FrogMIS: new Decentralized algorithms for finding large independiente sets in graphs”. Swarm Intelligence 9 (2): desde 205 hasta 227, septiembre de 2015.

.