Resumen de Modelos basados en soft computing para el manejo de la incertidumbre en problemas de localización con cobertura
Virgilio Cruz Guzman
El mosquito del género Aedes aegypti (Ae. aegypti) es el responsable de transmitir enfermedades vectoriales tales como el dengue, la fiebre amarilla, la fiebre chikungunya y el virus del Zika. Estas enfermedades presentan una alta tasa de mortalidad en el mundo.
El Ae. aegypti es un mosquito urbano cuya presencia ha sido detectada de forma permanente en la mayor parte de climas tropicales o subtropicales. Es endémico en toda América Latina, excepto en Chile y Uruguay según la Organización Panamericana de la Salud (OPS). La OMS señala que el único método para limitar la transmisión del dengue consiste en controlar a los mosquitos vectores y protegerse contra sus picaduras.
En este sentido, la forma más común de combatirlo es controlando su proliferación mediante una vigilancia entomológica enfocada en detectar y reducir la densidad de la población del Ae. aegypti. Dentro de esta vigilancia se aplican dos procedimientos: 1) la colocación de trampas de oviposición (ovitrampas) para capturar el Ae. aegypti y medir su densidad, y 2) la distribución de personal sanitario (equipos sanitarios móviles, ESM) en las áreas de mayor riesgo para eliminar criaderos potenciales e intentar controlar las etapas inmaduras en todos los hábitats posibles del Ae. aegypti.
Está claro que una distribución o localización óptima, tanto de trampas como de ESM, permitiría un control más eficiente del vector, y por tanto de las enfermedades que transmite. En este contexto de notable relevancia centramos nuestra investigación, abordando esta problemática desde la perspectiva de los Problemas de Localización con Cobertura.
Por otra parte, debido a que existe imprecisión en la definición de algunos elementos de estos problemas reales (por ejemplo, la capacidad de trabajo de los ESM o el radio de cobertura de las ovitrampas), nos apoyamos en técnicas y herramientas que proporciona la Soft Computing para hacer frente a esta situación. Concretamente, nos planteamos como objetivo principal de esta tesis, analizar, evaluar y diseñar modelos basados en técnicas de Soft Computing para resolver Problemas de Localización con Cobertura. Como ingredientes principales utilizamos: los modelos de localización con cobertura, los conjuntos difusos para tratar la incertidumbre inherente al problema real y las metaheurísticas para resolver los problemas de optimización resultantes. Todos estos elementos son combinados dentro de un Sistema de Ayuda a la Decisión Espacial (FuzzyCovering), el cual contiene un mecanismo visual y fácil de usar que permite al decisor analizar y evaluar desde diferentes perspectivas las soluciones encontradas al problema planteado.
Para cumplir con este objetivo, desarrollamos e integramos en FuzzyCovering dos modelos de localización difusos: 1) el Problema de Localización con Cobertura de Conjuntos (PLCC), y 2) el Problema de Localización de Máxima Cobertura (PLMC). En ambos modelos se utiliza una restricción difusa y un valor de tolerancia para relajar el valor de la distancia pre-definida. De esta manera, se obtienen soluciones en función del grado de relajación de la distancia. Además, para resolver estos modelos incorporamos también dos algoritmos metahuerísticos en FuzzyCovering.
Para validar el funcionamiento de estos modelos y al mismo tiempo la herramienta desarrollada, en primer lugar realizamos una experimentación en profundidad con datos de prueba, mediante la cual establecimos las pautas para modelar y analizar, posteriormente, los dos casos reales sobre la vigilancia entomológica aplicada al mosquito Ae. aegypti.
En este sentido, FuzzyCovering nos facilitó la definición de los datos específicos de los problemas abordados y nos proporcionó como resultado, un conjunto de soluciones viables con diferentes porcentajes de cobertura, las cuales pudimos visualizar y analizar sobre un mapa geográfico.
Con este análisis observamos que estas soluciones pueden ser admitidas como alternativas prometedoras para ayudar en el proceso de toma de decisiones, enmarcado en el contexto de optimización de recursos para combatir de forma eficaz y eficiente al mosquito Ae. aegypti, y por tanto a las enfermedades que transmite.
