Aprendizaje Automático para Resolver Problemas Reales

En muchas entidades públicas ó privadas, existen un gran número de problemas de optimización difíciles. Para contribuir a que las organizaciones sean competitivas, se requiere resolver estos problemas con herramientas computacionales capaces de adaptarse a diferentes escenarios y obtener buenas soluciones sin consumir altos volúmenes de recursos de cómputo. Sin embargo, las herramientas comerciales disponibles no satisfacen totalmente los requisitos de eficiencia, eficacia y exactitud, lo cual es complejo aun en los ambientes organizacionales más simples. Estos problemas son conocidos en la comunidad científica de computación como problemas de optimización combinatoria y son clasificados como NP-duro. Para la solución de casos muy grandes se han propuesto algoritmos aproximados como una buena alternativa. Para casos pequeños los algoritmos exactos se consideran una buena opción. A la fecha se han propuesto una gran variedad de algoritmos de solución. Sin embargo, en situaciones de la vida real ningún algoritmo es superior en todas las circunstancias. En este libro se presenta una metodología para analizar y mejorar el desempeño de los algoritmos al resolver problemas reales.