¿Qué es esto?
🎯 Consejos del simulador
📚 Glosario
🏆 Figuras clave
Marco Dorigo (1992)
Inventó la optimización de colonias de hormigas (ACO) en su tesis doctoral de 1992, fundando una de las ramas más influyentes de la inteligencia de enjambre. Su trabajo demostró que las hormigas artificiales que utilizan una comunicación similar a las feromonas pueden resolver problemas de optimización combinatoria.
James Kennedy (1995)
Coinventó la optimización de enjambre de partículas (PSO) con Russell Eberhart, inspirada en el comportamiento social de las bandadas de aves y los bancos de peces. PSO se convirtió en uno de los algoritmos de optimización más utilizados en ingeniería y ciencia.
Craig Reynolds (1986)
Creó la simulación de Boids que demostró cómo el complejo comportamiento de las bandadas surge de tres reglas simples (separación, alineación, cohesión). Este trabajo fundamental inspiró tanto los algoritmos de inteligencia de enjambre como la simulación de multitudes CGI en las películas.
Dervis Karaboga (2005)
Desarrolló el algoritmo Artificial Bee Colony (ABC), un método de optimización de enjambres inspirado en el comportamiento inteligente de búsqueda de alimento de las abejas con su división del trabajo entre abejas empleadas, observadoras y exploradoras.
Russell Eberhart (1995)
Co-inventó la optimización de enjambre de partículas con James Kennedy y contribuyó con una extensa investigación sobre ajuste de parámetros, análisis de convergencia y aplicaciones de PSO al entrenamiento de redes neuronales y al diseño de ingeniería.
Thomas Seeley (1990s-present)
Biólogo de la Universidad de Cornell cuyos estudios detallados sobre la toma de decisiones de las abejas proporcionaron la base científica para los algoritmos inspirados en las abejas, particularmente a través de su libro 'Honeybee Democracy' que describe la selección colectiva del sitio de anidación.
Seyedali Mirjalili (2014)
Desarrolló el Optimizador del Lobo Gris (GWO) y varias otras metaheurísticas inspiradas en la naturaleza, incluido el Algoritmo de Optimización de Ballenas y la Optimización de Llamas de Polilla, contribuyendo a la rápida expansión del conjunto de herramientas de inteligencia de enjambres.
🎓 Recursos de aprendizaje
- Ant Colony Optimization: A New Meta-Heuristic
El artículo fundamental que presenta ACO como técnica de optimización computacional y demuestra cómo las hormigas artificiales que utilizan la comunicación con feromonas pueden resolver el problema del viajante de manera efectiva. - Particle Swarm Optimization
El artículo original de la conferencia IEEE de 1995 que presenta PSO y muestra cómo una población de partículas con actualizaciones de velocidad y posición inspiradas en el comportamiento social puede optimizar funciones continuas. - Grey Wolf Optimizer
El artículo que presenta GWO en Advances in Engineering Software (2014), propone un algoritmo inspirado en la jerarquía social y la estrategia de caza de las manadas de lobos grises. - Swarm Intelligence: From Natural to Artificial Systems
El libro definitivo sobre inteligencia de enjambre, que une los estudios biológicos de insectos sociales con algoritmos computacionales, que cubre colonias de hormigas, enjambres de abejas y comportamiento emergente en sistemas complejos. - Nature-Inspired Optimization Algorithms
Un libro de texto completo que cubre los principales algoritmos evolutivos y de enjambre, incluidos PSO, ACO, algoritmo de luciérnaga, algoritmo de murciélago y búsqueda de cuco, con fundamentos matemáticos y aplicaciones prácticas. - Honeybee Democracy
Un relato fascinante de cómo los enjambres de abejas toman decisiones colectivas a través de un proceso de exploración de abejas exploradoras, comunicación con danza de meneo y detección de quórum: la inspiración biológica para el algoritmo ABC. - How Ants Solve the Traveling Salesman Problem - Kurzgesagt Style
Una explicación animada de cómo las hormigas reales utilizan rastros de feromonas para encontrar los caminos más cortos y cómo este comportamiento inspiró los algoritmos ACO utilizados por aerolíneas y empresas de logística de todo el mundo. - Particle Swarm Optimization Visualization
Una demostración visual de PSO en acción, que muestra cómo las partículas exploran un panorama de aptitud, convergen en soluciones óptimas y cómo la elección de parámetros afecta el comportamiento de convergencia. - Starling Murmurations - Emergence in Nature
Impresionantes imágenes de murmullos de estorninos con explicación científica de cómo reglas locales simples crean un comportamiento colectivo impresionante: la inspiración del mundo real detrás de los boids y PSO. - Grey Wolf Optimizer Explained with Python Implementation
Un tutorial que explica la jerarquía de lobos del algoritmo GWO y las fases de caza, con una implementación de Python paso a paso y visualización del proceso de optimización. - Honeybee Democracy - How Bees Make Decisions
Basado en la investigación de Thomas Seeley, este vídeo explica el notable proceso democrático de toma de decisiones de los enjambres de abejas, la inspiración biológica detrás del algoritmo ABC.