Revisión sobre diferentes métodos de optimización basados en rough set theory

Abstract

En los años recientes se han publicado diversos artículos relacionados con la técnica de optimización llamada: Conjuntos aproximativos o Rough Set Theory (RST) en sus diversos usos y aplicaciones. En este trabajo se realizó una revisión de diferentes artículos publicados entre los años del 2010 al 2016, sobre los diferentes métodos de optimización que utilizan RST, teoría de conjuntos difusos Fuzzy Sets (FS) y teoría de conjuntos suaves Soft Sets (SS). La revisión consideró las técnicas utilizadas, además, en cuáles han sido implementadas y las tendencias donde la metodología será utilizada en futuras investigaciones y publicaciones; haciendo énfasis en la optimización de búsquedas en sus diferentes tipos, mejoras en la obtención de resultados y reducción de atributos o tiempos de respuesta. La consulta se realizó en bases de datos científicas relacionados con RST, FS y SS, obteniendo 58 artículos base, donde se clasificaron y agruparon según la técnica utilizada. Se establece que el RST es una metodología bastante utilizada en diferentes áreas y procesos, validando que es una técnica útil para diferentes aplicaciones como la toma de decisiones, la minería de datos y predicciones, entre otros. Además, se encontró que es un tópico que está atrayendo la atención en diversas investigaciones como también que el RST asociado con algoritmos basados en el comportamiento de la naturaleza (BioMetainspirados), está tornándose en una gran tendencia, abriendo el campo de acción en alternativas de investigación con respecto a la optimización. De la información recolectada, se estableció un análisis comparativo de uso entre las diferentes técnicas encontradas y que interactúan con RST. A su vez, se resalta la capacidad de la teoría y su versatilidad para combinarse con diferentes técnicas y así aplicarse e implementarse en diversos procesos de optimización como se observará en el presente documento.