Paulina Alejandra Ávila Torres es Doctora en Economía y Empresas por la Universidad de Málaga y Doctora en Ingeniería en Sistemas por la Universidad Autónoma de Nuevo León. Maestra en Ciencias (M.C.) con especialidad en Ingeniería de Sistemas por la Universidad Autónoma de Nuevo León. Licenciada en Ingeniería en Sistemas Computacionales por el Instituto Tecnológico de Nuevo Laredo.
La inteligencia artificial (IA) es un campo de la informática que busca desarrollar sistemas capaces de interpretar datos, aprender de ellos y aplicarlos para resolver problemas de manera autónoma. Desde su acuñación por John McCarthy en 1956, la IA ha evolucionado y hoy se aplica en diversos campos, como la gestión de la cadena de suministro, el marketing, las finanzas y la manufactura (Mermi, 2024).
Entre las técnicas de IA destacan las redes neuronales artificiales, los algoritmos genéticos (AG), la optimización por colonias de hormigas y la lógica difusa (Nikitas et al., 2020). En este artículo, exploraremos los algoritmos genéticos y su aplicación en el problema de empaquetamiento de contenedores.
Los algoritmos genéticos son un método de optimización basado en la evolución natural. Funcionan mediante:
Generación de una población inicial de soluciones posibles.
Evaluación de cada solución con una función de aptitud.
Selección de los mejores individuos para reproducirse.
Cruzamiento para combinar características de los padres.
Mutación para introducir variabilidad y explorar nuevas soluciones.
Repetición del proceso hasta encontrar una solución óptima.
Estos algoritmos son ampliamente utilizados en la generación de horarios, minería de datos, control de tráfico y optimización de rutas (Tang et al.,1996), además el problema de empaquetamiento.
El problema de empaquetamiento (Bin Packing Problem, BPP) consiste en acomodar objetos dentro de un número mínimo de contenedores sin exceder su capacidad. Tiene variantes bidimensionales (2D BPP) y tridimensionales (3D BPP), con aplicaciones como (Gutiérrez Rodríguez, 2019):
Aplicaciones del 2D BPP
Industria textil: Reducción de desperdicio en cortes de tela.
Fabricación de vidrio: Optimización de láminas de vidrio.
Diseño de circuitos: Disposición eficiente de componentes en PCB (Li et al., 2021).
Aplicaciones del 3D BPP
Logística y transporte: Distribución eficiente en camiones y contenedores.
Gestión de inventario: Organización eficiente de almacenes.
Industria del mueble: Reducción de material sobrante en cortes de madera.
Los AG han demostrado ser efectivos para resolver el problema de Bin Packing. Al aplicar operadores genéticos como selección, cruzamiento y mutación, logran optimizar la distribución de objetos dentro de los contenedores, reduciendo la cantidad utilizada y maximizando el uso del espacio (Alam et al., 2020).
El uso de software especializado, como 3DBinPacking, permite simular y optimizar estas disposiciones en tiempo real, facilitando la toma de decisiones en diversas industrias.
En conclusión, los algoritmos genéticos representan una herramienta poderosa para resolver problemas de optimización complejos como el Bin Packing. Su aplicación permite reducir costos, mejorar la eficiencia y aportar soluciones prácticas en el mundo real, consolidándolos como una estrategia clave dentro de la inteligencia artificial aplicada.
Mourad Mermi. "Applications of Artificial Intelligence in Warehouse Management: Case Study of Amazon." Journal of Finance, Investment and Sustainable Development, Vol. 09, No. 02, December 2024, p. 30-45.
Alexandros Nikitas, Kalliopi Michalakopoulou, Eric Tchouamou Njoya y Dimitris Karampatzakis. "Artificial Intelligence, Transport and the Smart City: Definitions and Dimensions of a New Mobility Era." Sustainability, 2020, 12, 2789. doi:10.3390/su12072789.
K. S. Tang, K. F. Man, S. Kwong and Q. He, "Genetic algorithms and their applications," in IEEE Signal Processing Magazine, vol. 13, no. 6, pp. 22-37, Nov. 1996, doi: 10.1109/79.543973.
Gutiérrez Rodríguez, L.A. "Problema Generalizado del Empaquetamiento de Contenedores: Una Comparación entre Diferentes Métodos de Solución." Tesis, UANL, Julio 2019.
Li, Y.-B.; Sang, H.-B.; Xiong, X.; Li, Y.-R. "An Improved Adaptive Genetic Algorithm for Two-Dimensional Rectangular Packing Problem." Applied Sciences, 2021, 11, 413. https://doi.org/10.3390/app11010413
Alam, T., Qamar, S., Dixit, A., & Benaida, M. "Genetic Algorithm: Reviews, Implementations, and Applications." International Journal of Engineering Pedagogy (iJEP), 2020.