http://www.laguia.com.ar/aaia.htm

  ASOCIACION ARGENTINA DE INTELIGENCIA ARTIFICIAL
  Sistemas de "Optimización"
  Optimizar es encontrar la mejor forma de realizar una tarea. Esto 
normalmente involucra asignar recursos limitados (pe. materias primas), para 
lograr un objetivo (pe. maximizar beneficios), en un ambiente con 
limitaciones (pe. un presupuesto de gastos)
  Utilizando un método que se base en la fuerza bruta -construir un modelo 
en una hoja de cálculo y realizar cambios a mano para obtener la mejor 
solución- solo puede funcionar con problemas muy simples. Realizar el 
análisis de esta forma, es una tarea larga y tediosa, y no garantiza la 
mejor solución.
  Los problemas reales, necesitan del poder que pueden brindar los métodos 
matemáticos de optimización. Estos métodos están automatizados en programas 
de computación llamados "solvers".
  Para usarlos, es necesario informar cual es la función objetivo, las 
restricciones a respetar y las variables que se pueden controlar. El sistema 
encontrará automáticamente la mejor solución.
  Estos sistemas tienen un campo de aplicación muy amplio. No importa cual 
sea la linea de trabajo; en algún punto se encontrará con un problema de 
optimización. Puede ser la maximización de un valor (pe. beneficios, market 
share, etc.) o minimizar otro (pe. costos, riesgos, etc. )
  Las últimas versiones de estos sistemas incluyen la resolución de 
problemas lineales y no lineales.
  Cual es la diferencia entre un problemas lineal y no lineal ?
  Los problemas de optimización lineales pueden incluir la suma/resta de 
variables y su multiplicación por constantes, para luego tratarlas en 
conjunto.
  Los problemas no lineales pueden además tratar a variables que se 
multiplican entre si y operaciones matemáticas mas complejas (pe. 
potenciación), antes de tratarlas conjuntamente.
  Redes Neuronales
  Las redes neuronales son dispositivos inspirados en la funcionalidad de 
las neuronas biológicas, aplicados al reconocimiento de patrones que las 
conviertenen aptas para modelar y efectuar predicciones en sistemas muy 
complejos.
  Es un set de técnicas matemáticas para modelar las conexiones / relaciones 
entre un conjunto de datos.
  Estas técnicas se aplican a problemas de clasificación y series de tiempo. 
y ofrecen el potencial de identificar conexiones que otras técnicas no 
pueden, porque :
  * Representa / utiliza relaciones lineales y no-lineales entre los datos.
* Modela cualquier tipo de distribucion de datos (no solamente distribución 
normal)
* Maneja datos con redundancia y/o inconsistencia en la información
  Las Redes Neuronales estan compuestas por unidades computacionales 
paralelas e interconectadas. Cada una de esas unidades efectua un número de 
operaciones simples y transmite sus resultados a las unidades vecinas.
  Las redes aprenden a reconocer patrones por medio de un entrenamiento 
basado en varios ejemplos diferentes. Ellas son eficientes en el 
reconocimiento de patrones en un conjunto de datos.
  También son efectivas en el aprendizaje de patrones a partir de datos no 
lineales, incompletos, con ruidos y hasta compuestos por ejemplos 
contradictorios.
  La habilidad de manipular estos datos imprecisos, hace que las redes sean 
muy eficaces en el procesamiento de información sin reglas claras o que no 
puedan se formuladas facilmente.
  Lógica Difusa (Fuzzy Logic)
  La lógica nebulosa ofrece un mecanismo para que las computadoras puedan 
tratar con información imprecisa.
  La lógica difusa fué creada para trabajar con conceptos no definidos 
concretamente tales com grande, alto, jóven, que no utilizan una lógica 
binaria (si/no)
  Los sistemas basados en lógica difusa han demostrado gran utilidad en una 
gran variedad de operaciones de control industrial y tareas de 
reconocimiento de patrones, desde el reconocimiento de escritura a la 
validación del crédito financiero.
  Una de las principales potencialidades de la lógica difusa cuando se la 
compara con otros esquemas que tratan con datos imprecisos, es que las bases 
de conocimiento de un sistema de este tipo es fácil de examinar, entender, 
mantener y actualizar.
  Teoría del Caos
  Es un conjunto de técnicas para examinar y determinar relaciones altamente 
complejas entre datos que han sido inicialmente clasificados como al azar.
  Una característica de este tipo de datos es que una diferencia menor en 
las condiciones iniciales puede resultar en cambios dramáticos en los 
resultados en un período muy breve. Esto es epecialmente aplicable a los 
mercados financieros donde un entendimiento comprensible de los factores que 
influencian y como lo hacen, en el mercado es imposible.