NSGA-II para principiantes: como optimizar sin elegir

1. La vida esta llena de decisiones imposibles

Imaginate que estas buscando piso. Quieres tres cosas: que sea grande, que este centrico y que sea barato. Pero cuando miras los anuncios, descubres algo frustrante: los pisos grandes y centricos son carisimos. Los baratos y centricos son minusculos. Los grandes y baratos estan a las afueras.

No existe un piso perfecto que sea grande, centrico y barato a la vez. Lo que tienes son opciones: sacrificar ubicacion por espacio, o presupuesto por metros cuadrados, o metros cuadrados por estar en el centro. Bienvenido al mundo de la optimizacion multi-objetivo.

Ahora traslada esto a la ingenieria. Quieres disenar un ala de avion que pese poco, resista mucho y cueste poco de fabricar. Un coche que sea rapido, seguro y consuma poco. Un puente que sea ligero, resistente y barato. En todos los casos, los objetivos se pelean entre si. Mejorar uno suele empeorar otro.

Aqui es donde entra NSGA-II. No es una formula magica ni una inteligencia artificial que todo lo sabe. Es un algoritmo de busqueda que imita como la naturaleza encuentra soluciones de compromiso. Y lo hace sin que un humano tenga que decidir cual de los objetivos es mas importante.

2. El frente de Pareto: la frontera de lo posible

Volvamos a los pisos. Si dibujas en un grafico todos los pisos disponibles (tamano en el eje vertical, precio en el horizontal), veras algo parecido a esto:

Hay pisos por todas partes, pero solo algunos merecen la pena. Esos pisos especiales forman una linea imaginaria llamada frente de Pareto. Cualquier piso sobre esa linea tiene la mejor relacion calidad-precio posible. Mejorar el tamano implica pagar mas. Pagar menos implica perder tamano. Son soluciones donde has exprimido al maximo todas las posibilidades.

Vilfredo Pareto, un economista italiano de finales del siglo XIX, lo observo primero en economia: el 80% de la tierra en Italia pertenecia al 20% de la poblacion. Pero el concepto que lleva su nombre en ingenieria es ligeramente distinto. Una solucion es Pareto-optima si no puedes mejorarla en un objetivo sin empeorarla en otro.

Piensa en tres coches:

• Coche A: consume 5 L/100km, acelera de 0 a 100 en 10 segundos.
• Coche B: consume 5 L/100km, acelera de 0 a 100 en 12 segundos.
• Coche C: consume 7 L/100km, acelera de 0 a 100 en 8 segundos.

El coche B es claramente peor que el A: mismo consumo, peor aceleracion. Decimos que A domina a B. Pero entre A y C no hay un ganador claro: A consume menos, C acelera mejor. Ambos son Pareto-optimos. Ambos merecen estar en tu lista de candidatos.

El trabajo de NSGA-II es encontrar todos los "coches A y C" posibles, descartando automaticamente los "coches B" que nadie querria. Y presentartelos ordenados para que tu, el ingeniero, puedas decidir cual te conviene mas segun el contexto.

3. Como lo hace NSGA-II: el poder de la evolucion

NSGA-II significa Non-dominated Sorting Genetic Algorithm II. Traducido: algoritmo genetico que ordena soluciones por niveles de dominancia. Pero no hace falta recordar el nombre. Lo importante es entender como funciona.

Imagina que eres un criador de caballos. Quieres caballos rapidos y tambien caballos fuertes. Empiezas con 200 caballos cualquiera. Cada ano (cada "generacion"), haces lo siguiente:

Paso 1: Evaluar. Mides la velocidad y la fuerza de cada caballo. Apuntas los resultados.

Paso 2: Ordenar por categorias. Separas los caballos en grupos. El Grupo 1 son los mejores: nadie les gana en ambas cosas a la vez. Son los campeones absolutos. El Grupo 2 son los siguientes: solo pierden contra los del Grupo 1. Y asi sucesivamente. Esto es el non-dominated sorting.

Paso 3: Valorar la variedad. Dentro de cada grupo, das puntos extra a los caballos que son diferentes entre si. Si tienes dos caballos muy parecidos del Grupo 1, prefieres quedarte solo con uno y darle la oportunidad a otro distinto. Esto es la crowding distance (distancia de aglomeracion).

Paso 4: Cruzar y mutar. Seleccionas a los mejores padres (los de grupos superiores y mas variados) y los cruzas para crear la siguiente generacion. Ademas, introduces pequenos cambios aleatorios (mutaciones) para explorar combinaciones nuevas que nadie habia probado.

Paso 5: Repetir. Vuelves al Paso 1 con la nueva generacion. Y asi 100, 200, 500 veces.

En cada ciclo, la poblacion mejora. Como criar selectivamente, pero para disenos de ingenieria. Al final, el Grupo 1 de la ultima generacion es tu frente de Pareto: el conjunto de las mejores soluciones que la evolucion computacional ha podido encontrar.

4. Por que la variedad importa mas de lo que crees

Hay un error muy comun al optimizar: fijarse solo en el mejor resultado e ignorar el resto. Pero la magia de NSGA-II esta precisamente en que preserva la diversidad.

Piensa en un equipo de futbol. Si solo fichas delanteros porque marcan goles, te olvidas de que necesitas defensas, centrocampistas y un portero. Un equipo de puros delanteros pierde todos los partidos. De la misma forma, un algoritmo que solo busca "la mejor solucion posible" acaba encontrando una que es buenisima... pero solo para un caso concreto.

NSGA-II mantiene un abanico de soluciones diferentes. Algunas priorizan el peso, otras la resistencia, otras intentan un equilibrio. El ingeniero recibe no una respuesta, sino un menu de opciones optimas. Como un restaurante donde todos los platos son excelentes pero cada uno satisface un antojo distinto.

Esto es crucial en el mundo real. Los requisitos de un proyecto cambian. El cliente pide de repente un 10% menos de peso, o el presupuesto se recorta, o aparece una nueva regulacion. Tener varias soluciones optimas preparadas significa que puedes pivotar sin empezar de cero.

5. Mutaciones y cruces: el ingrediente secreto

La parte mas contraintuitiva de NSGA-II es que introduce cambios aleatorios a proposito. Si ya tienes soluciones buenas, por que arriesgarte a estropearlas con mutaciones?

Porque sin aleatoriedad, te quedas atrapado. Es la diferencia entre explorar un valle y escalar una montana. Si siempre vas cuesta abajo (siempre mejoras), acabaras en el fondo del valle mas cercano. Pero quiza al otro lado de la montana hay un valle mucho mas profundo. Las mutaciones te permiten saltar de un valle a otro. Los cruces te permiten combinar lo mejor de dos valles distintos.

Es como la cocina. Si siempre sigues la misma receta, nunca descubriras que un toque de limon mejora el guiso. La mutacion es ese "y si le echo un poco de...?" que a veces sale mal, pero a veces crea un plato inolvidable. El cruce es juntar la receta de tu abuela con la de un chef japones: improbabilisimo, potencialmente revolucionario.

NSGA-II controla esta aleatoriedad con cuidado. No es un dado sin sentido: la probabilidad de mutacion es bajisima (tipicamente un 1-5%), y los cruces se hacen con padres seleccionados entre los mejores. Es evolucion dirigida, no ruido ciego.

6. Un ejemplo que puedes visualizar

Imagina que disenas bicicletas. Tienes que decidir el material del cuadro (aluminio, carbono, acero, titanio), el grosor de los tubos y la geometria del triangulo. Quieres dos cosas: que la bici pese poco y que sea barata de fabricar.

NSGA-II arranca con 100 bicis aleatorias: algunas de aluminio fino (ligeras pero fragiles), otras de acero grueso (pesadas pero baratas), otras de carbono (carisimas pero ligerisimas). En cada generacion:

• Descarta las bicis que nadie querria: las pesadas Y caras, las fragiles Y caras.
• Conserva diversidad: guarda bicis de acero barato (extremo de coste), de carbono ultraligero (extremo de peso) y las que estan en el medio.
• Prueba combinaciones: que pasa si cruzas el grosor del acero con la geometria del carbono? Y si mutas ligeramente el angulo del tubo?

Tras 200 generaciones, obtienes un menu de bicis optimas. La Bici 1 pesa 7 kg pero cuesta 2.000 euros. La Bici 2 pesa 9 kg y cuesta 800 euros. La Bici 3 pesa 8 kg y cuesta 1.200 euros. Las tres son optimas en funcion de lo que valores el peso frente al precio. Y lo mejor: el algoritmo ha encontrado opciones que ningun disenador humano habria considerado, porque los humanos tendemos a copiar lo que ya funciona en lugar de explorar lo desconocido.

7. De la bicicleta al ala del avion

El mismo algoritmo que disena bicis optimiza el perfil aerodinamico de un ala de avion. Aqui los objetivos son reducir la resistencia al aire (arrastre) y aumentar la sustentacion. Las variables de diseno son la curvatura, el grosor y el angulo del ala.

Lo impresionante es que NSGA-II no sabe nada de aerodinamica. No entiende de fluidos, ni de ecuaciones de Navier-Stokes, ni de capas limite. Simplemente propone formas, las evalua (en este caso, mediante una simulacion CFD que si aplica las leyes de la fisica) y aprende de los resultados.

Es como un estudiante que no sabe nada de un tema pero hace miles de examenes tipo test, descubre patrones en las respuestas correctas y acaba sacando matricula de honor sin haberse leido el temario. Asi de potente es la combinacion de computacion masiva con algoritmos evolutivos.

En MaterialTech Labs usamos NSGA-II para diseno de quillas de surf (equilibrando velocidad, maniobrabilidad y resistencia estructural), para optimizacion de composites (minimizando peso y maximizando rigidez) y para problemas de fabricacion aditiva (reduciendo soportes y tiempo de impresion simultaneamente).

8. No necesitas ser matematico para entenderlo

La conclusion es simple. NSGA-II es una herramienta que convierte el dilema "no se que elegir" en "aqui tienes las mejores opciones, elige la que mas te convenga". No toma decisiones por ti: te las facilita.

Funciona porque imita tres principios que la naturaleza lleva usando 3.800 millones de anos:

• Supervivencia de los mejores: las buenas soluciones sobreviven, las malas se descartan.
• Diversidad como ventaja: mantener opciones variadas te protege contra cambios imprevistos.
• Explorar + explotar: no te conformes con la primera colina que encuentres; prueba cosas nuevas aunque a veces salgan mal.

No hace falta entender las matematicas del SBX (Simulated Binary Crossover) ni la complejidad computacional del non-dominated sort. Eso es para el articulo tecnico. Lo que importa es que existe una herramienta que resuelve el problema mas antiguo de la ingenieria —como equilibrar objetivos contrapuestos— de forma automatica, elegante y sorprendentemente simple.

La proxima vez que tengas que decidir entre dos cosas que parecen incompatibles, recuerda: probablemente haya una tercera opcion en el frente de Pareto que aun no has descubierto. NSGA-II existe para encontrarla.