Aplicació web per a la visualització i comparació de trajectòries d'algorismes d'optimització

Abstract

Aquest Treball de Fi de Grau presenta la millora d'una eina de visualització d'algoritmes d'optimització, orientada a fer comprensible -de manera directa i pràctica- el comportament de diferents algoritmes sobre un mateix problema. El projecte parteix de STNWeb, una aplicació web existent que genera gràfiques basades en Search Trajectory Networks (STNs) per comparar múltiples execucions i identificar patrons com àrees d'atracció o falta de robustesa. La contribució principal del treball és aturar el procés abans de la generació de la imatge final i oferir, en el seu lloc, una representació dinàmica i interactiva, on l'usuari pot explorar nodes i trajectòries, editar la manera de visualitzar-les -per exemple, canviant la forma o el color de les traces visibles- i consultar informació contextual, guanyant profunditat d'anàlisi sense perdre usabilitat. La solució s'ha dissenyat amb una arquitectura client¿servidor per separar clarament la capa visual de la capa funcional. El frontend proporciona una interfície web on es poden carregar resultats d'algoritmes i manipular la visualització de manera interactiva; el backend exposa una API REST per gestionar usuaris i persistir la informació associada a algoritmes i visualitzacions, facilitant la reutilització de resultats i la continuïtat del treball entre sessions. Aquesta modularitat permet, a més, integrar el servei des de terceres aplicacions sense necessitat d'accedir a la interfície gràfica. L'impacte esperat és doble: d'una banda, una comprensió més profunda del comportament dels algoritmes gràcies a la interactivitat (exploració detallada de trajectòries, connexions i solucions rellevants); de l'altra, un ús més eficient en entorns d'investigació, amb gestió d'usuaris i capacitat per guardar, carregar i comparar experiments en diferents moments. En conjunt, el projecte aporta una evolució significativa sobre les visualitzacions estàtiques tradicionals, posant l'èmfasi en l'experiència d'usuari i en la utilitat pràctica per a la comunitat que treballa amb metaheurístiques i problemes d'optimització.

This Final Degree Project presents the enhancement of a visualization tool for optimization algorithms, aimed at making the behavior of different algorithms on the same problem understandable in a direct and practical way. The project builds on STNWeb, an existing web application that generates graphics based on Search Trajectory Networks (STNs) to compare multiple runs and identify patterns such as attraction areas or lack of robustness. The main contribution of the work is to stop the process before the final image is generated and, instead, offer a dynamic and interactive representation, where the user can explore nodes and trajectories, edit how they are displayed - for example, changing the shape or color of visible traces - and consult contextual information, thus gaining analytical depth without losing usability. The solution has been designed with a client¿server architecture to clearly separate the visual layer from the functional layer. The frontend provides a web interface where algorithm results can be loaded and the visualization can be manipulated interactively; the backend exposes a REST API to manage users and persist information associated with algorithms and visualizations, facilitating the reuse of results and the continuity of work across sessions. This modularity also allows third-party applications to integrate the service without the need to access the graphical interface. The expected impact is twofold: on the one hand, a deeper understanding of algorithm behavior thanks to interactivity (detailed exploration of trajectories, connections, and relevant solutions); on the other, more efficient use in research environments, with user management and the ability to save, load, and compare experiments at different times. Overall, the project offers a significant evolution over traditional static visualizations, emphasizing the user experience and practical utility for the community working with metaheuristics and optimization problems.

Este Trabajo de Fin de Grado presenta la mejora de una herramienta de visualización de algoritmos de optimización, orientada a hacer comprensible —de manera directa y práctica— el comportamiento de distintos algoritmos sobre un mismo problema. El proyecto parte de STNWeb, una aplicación web existente que genera gráficas basadas en Search Trajectory Networks (STNs) para comparar múltiples ejecuciones e identificar patrones como zonas de atracción o falta de robustez. La contribución principal del trabajo consiste en detener el proceso antes de la generación de la imagen final y ofrecer, en su lugar, una representación dinámica e interactiva, donde el usuario puede explorar nodos y trayectorias, editar la forma de visualizar —por ejemplo, cambiando la forma o el color de las trazas visibles— y consultar información contextual, ganando profundidad de análisis sin perder usabilidad. La solución se ha diseñado con una arquitectura cliente–servidor para separar claramente la capa visual de la capa funcional. El frontend proporciona una interfaz web en la que se pueden cargar resultados de algoritmos y manipular la visualización de forma interactiva; el backend expone una API REST para gestionar usuarios y persistir la información asociada a algoritmos y visualizaciones, facilitando la reutilización de resultados y la continuidad del trabajo entre sesiones. Esta modularidad permite, además, la integración del servicio desde aplicaciones de terceros sin necesidad de acceder a la interfaz gráfica. El impacto esperado es doble: por un lado, una comprensión más profunda del comportamiento de los algoritmos gracias a la interactividad (exploración detallada de trayectorias, conexiones y soluciones relevantes); por otro, un uso más eficiente en entornos de investigación, con gestión de usuarios y capacidad para guardar, cargar y comparar experimentos en distintos momentos. En conjunto, el proyecto aporta una evolución significativa respecto a las visualizaciones estáticas tradicionales, poniendo el énfasis en la experiencia de usuario y en la utilidad práctica para la comunidad que trabaja con metaheurísticas y problemas de optimización.