En la teoría de control, un sistema autoajustable es capaz de optimizar sus propios parámetros de funcionamiento internos para maximizar o minimizar el cumplimiento de una función objetivo ; típicamente la maximización de la eficiencia o la minimización de errores .
El autoajuste y el ajuste automático suelen hacer referencia al mismo concepto. Muchos grupos de investigación de software consideran que el autoajuste es la nomenclatura adecuada.
Los sistemas de autoajuste suelen presentar un control adaptativo no lineal . Los sistemas de autoajuste han sido un sello distintivo de la industria aeroespacial durante décadas, ya que este tipo de retroalimentación es necesaria para generar un control multivariable óptimo para procesos no lineales. En la industria de las telecomunicaciones, las comunicaciones adaptativas se utilizan a menudo para modificar dinámicamente los parámetros del sistema operativo a fin de maximizar la eficiencia y la solidez.
Algunos ejemplos de sistemas de autoajuste en informática incluyen:
Los beneficios en el rendimiento pueden ser sustanciales. El profesor Jack Dongarra , un científico informático estadounidense, afirma que el autoajuste mejora el rendimiento, a menudo en un orden del 300%. [1]
Los controladores autoajustables digitales son un ejemplo de sistemas autoajustables a nivel de hardware.
Los sistemas de autoajuste suelen estar compuestos por cuatro componentes: expectativas, medición, análisis y acciones. Las expectativas describen cómo debería comportarse el sistema dadas las condiciones exógenas.
Las mediciones recopilan datos sobre las condiciones y el comportamiento. El análisis ayuda a determinar si se están cumpliendo las expectativas y qué acciones posteriores deben llevarse a cabo. Las acciones habituales son recopilar más datos y realizar una reconfiguración dinámica del sistema.
Los sistemas de control automático autoajustables (autoadaptables) son sistemas en los que la adaptación a condiciones que cambian aleatoriamente se realiza mediante el cambio automático de parámetros o mediante la determinación automática de su configuración óptima. [2] En cualquier sistema de control automático no autoajustable hay parámetros que tienen una influencia en la estabilidad del sistema y la calidad del control y que se pueden ajustar. Si estos parámetros permanecen constantes mientras que las condiciones de funcionamiento (como las señales de entrada o las diferentes características de los objetos controlados) varían sustancialmente, el control puede degradarse o incluso volverse inestable. El ajuste manual es a menudo engorroso y, a veces, imposible. En tales casos, el uso de sistemas autoajustables no solo vale la pena técnica y económicamente, sino que podría ser el único medio de control robusto. Los sistemas autoajustables pueden ser con o sin determinación de parámetros.
En los sistemas con determinación de parámetros, el nivel requerido de calidad de control se logra mediante la búsqueda automática de un conjunto óptimo (en cierto sentido) de valores de parámetros. La calidad de control se describe mediante una característica generalizada que, por lo general, es una función compleja y no completamente conocida o estable de los parámetros primarios. Esta característica se mide directamente o se calcula en función de los valores de los parámetros primarios. A continuación, los parámetros se varían de forma provisional. Un análisis de las oscilaciones de la característica de calidad de control causadas por la variación de los parámetros permite determinar si los parámetros tienen valores óptimos, es decir, si esos valores proporcionan valores extremos (mínimos o máximos) de la característica de calidad de control. Si los valores característicos se desvían de un extremo, es necesario variar los parámetros hasta encontrar los valores óptimos. Los sistemas autoajustables con determinación de parámetros pueden funcionar de forma fiable en entornos caracterizados por amplias variaciones de condiciones exógenas.
En la práctica, los sistemas con determinación de parámetros requieren un tiempo considerable para encontrar un ajuste óptimo, es decir, el tiempo necesario para el autoajuste en tales sistemas está limitado desde abajo. Los sistemas de autoajuste sin determinación de parámetros no tienen esta desventaja. En tales sistemas, se utiliza alguna característica de calidad de control (por ejemplo, la primera derivada temporal de un parámetro controlado). El ajuste automático se asegura de que esta característica se mantenga dentro de los límites dados. Existen diferentes sistemas de autoajuste sin determinación de parámetros que se basan en el control de procesos de transición, características de frecuencia, etc. Todos ellos son ejemplos de sistemas de autoajuste de circuito cerrado, mediante los cuales los parámetros se corrigen automáticamente cada vez que el valor de la característica de calidad cae fuera de los límites permitidos. Por el contrario, los sistemas de autoajuste de circuito abierto son sistemas con compensación paramétrica, mediante los cuales se controla la propia señal de entrada y se modifican los parámetros del sistema según un procedimiento especificado. Este tipo de autoajuste puede ser casi instantáneo. Sin embargo, para realizar dicho autoajuste es necesario controlar el entorno en el que opera el sistema y se requiere un conocimiento suficientemente bueno de cómo el entorno influye en el sistema controlado.
En la práctica, el autoajuste se realiza mediante el uso de hardware especializado o algoritmos de software adaptativos. Para que el software tenga la capacidad de autoajustarse (adaptarse):
Las metaheurísticas de autoajuste han surgido como un avance significativo en el campo de los algoritmos de optimización en los últimos años, ya que el ajuste fino puede ser un proceso muy largo y difícil. [3] Estos algoritmos se diferencian por su capacidad de ajustar de forma autónoma sus parámetros en respuesta al problema en cuestión, mejorando la eficiencia y la calidad de la solución. Esta capacidad de autoajuste es particularmente importante en escenarios de optimización complejos donde los métodos tradicionales pueden tener dificultades debido a la configuración rígida de los parámetros. En este intento, ya se ha introducido una variante de PSO que adopta la lógica difusa para calcular automáticamente los parámetros de cada partícula [4], así como la optimización Flying Fox, que es un optimizador de autoajuste difuso. [5]
La aparición de variantes de autoajuste en las metaheurísticas marca un cambio fundamental hacia herramientas de optimización más autónomas. Estos algoritmos de autoajuste reducen significativamente la necesidad de intervención experta en el ajuste de parámetros, un proceso que requiere un amplio conocimiento del dominio. Al aprovechar la lógica difusa y otros mecanismos adaptativos, estos algoritmos pueden ajustar de forma inteligente sus parámetros en respuesta a las características del problema y la dinámica del espacio de búsqueda. Esta autonomía no solo simplifica el proceso de optimización, sino que también amplía la aplicabilidad de estos algoritmos, haciéndolos más accesibles y efectivos para una gama más amplia de usuarios y problemas complejos. La capacidad de estas metaheurísticas de autoajuste para funcionar de manera efectiva sin un ajuste perfecto por parte del usuario representa un avance considerable para hacer que la optimización sea más fácil de usar y eficiente.