Resolución de problemas con metaheurísticos

El curso está completo

Duración

Septiembre a Marzo - 4,5 créditos

Acerca de este curso

Este curso explica técnicas de optimización, aprendizaje y búsqueda de soluciones a problemas complejos. Para ello se discuten técnicas modernas y aplicaciones reales en el curso. El seguimiento es online con numerosos recursos a disposición del alumno y tres catedráticos de universidad especialistas en el diseño y uso de estas técnicas.

Que aprenderé

En este curso aprenderás lo que es un metaheurístico, qué familias existen, qué operadores se usan y una parte metodológica sobre cómo construirlos y aplicarlos. Además aprenderás a crear algoritmos bio-inspirados, y técnicas de seguimiento de trayectoria y también poblacionales. Conocerás muchas aplicaciones y dominios de trabajo para posible tesis doctoral posterior al curso o trabajo en investigación/innovación en este campo tan importante.

Prerrequisitos

Se aconseja conocer las bases de la optimización matemática, habilidades de programación (C, Java, Matlab, R, ...) y conocimientos tecnológicos básicos de trabajo en Informática.

Unidades

Módulo 1: Introducción a los metaheurísticos

1.1. Introducción a la optimización
1,2. Problemas de optimización combinatoria
1.3. Taxonomía de algoritmos metaheurísticos
1.4. Evaluación de algoritmos metaheurísticos

Módulo 2: Algoritmos metaheurísticos de seguimiento de trayectoria

1. Introducción
2. Metaheurísticas de búsqueda local
3. Metaheurísticas de búsqueda global

Módulo 3: Algoritmos metaheurísticos poblacionales

Tema 3.1: Algoritmos evolutivos
Tema 3.2: Inteligencia colectiva
Tema 3.3: Otros algoritmos poblacionales
Tema 3.4: Resolución de problemas complejos
Tema 3.5: Un nuevo mundo de aplicaciones

Prueba final

Bibliografía del curso

MÓDULO 1

Experimental Research in Evolutionary Computation. Thomas Bartz-Beielstein. Springer 2006
A Practical Tutorial on the Use of Nonparametric Statistical Tests as a Methodology for Comparing Evolutionary and Swarm Intelligence Algorithms, J Derrac, S García, D Molina, F Herrera, Swarm and Evolutionary Computation 1(1):3-18, 2011
Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison. C. Blum, A. Roli. ACM Comput. Surv. 35(3):268-308, 2003

MÓDULO 2

How to Solve It: Modern Heuristics. Michalewicz & Fogel, 2004
Inteligencia Artificial, Num. 19, Volumen 2, 2003. J.A. Moreno Pérez, J.M. Moreno Vega
Handbook of Metaheuristics, Gendreau & Potvin. Springer 2010
Metaheurísticas. Duarte, Pantrigo, Gallego. Dykinson. 2007
Metaheuristics. From design to implementation. Talbi, Wiley, 2009
Metaheuristic Search Concepts. Zäpfel, Braune, Bögl. Springer, 2010
Essentials of Metaheuristics. Sean Luke. Lulu 2013

MÓDULO 3

Cellular Genetic Algorithms. Springer-Verlag; Alba E., Dorronsoro B. 2008
Optimization Techniques for Solving Complex Problems, Wiley, Alba E., Blum C., Isasi P., León C. Gómez J.A. 2009
Evolutionary Algorithms for Solving Multi-Objective Problems. Kluwer Academic Publishers; Coello C., Van Veldhuizen D., Lamont G. 2002
Parallel Metaheuristics: A New Class of Algorithms, Wiley; Alba E. 2005
Evolutionary Algorithms in Theory and Practice. Oxford University Press; Bäck T. 1996
How to Solve It: Modern Heuristics. Springer-Verlag; Michalewicz Z., Fogel D. 2004
Multi-Objective Optimization Using Evolutionary Algorithms. John Wiley & Sons; Deb K. 2001

Profesores del curso

Enrique Alba

El Dr. Enrique Alba es ingeniero y doctor en Informática (1992 y 1999, respectivamente) por la Universidad de Málaga. En la actualidad es profesor catedrático de universidad con tareas de docencia en software de comunicaciones, programación distribuida y calidad del software, con docencia adicional a nivel de máster/doctorado en ciudades inteligentes, algoritmos evolutivos y bases para I+D+i. Además desarrolla su trabajo investigador en optimización compleja y aprendizaje máquina coordinando un equipo internacional de doctores e ingenieros, algunos de ellos en desarrollo de tesis doctoral bajo su dirección. Además de haber organizado eventos internacionales de prestigio (ACM GECCO, IEEE IPDPS-NIDISC, IEEE MSWiM, IEEE DS-RT, …) ha impartido decenas de cursos de doctorado, seminarios en más de 30 universidades extranjeras y dirigido numerosos proyectos de investigación (7 nacionales, 5 en Europa y numerosas acciones bilaterales). El Dr. Alba ha dirigido siete proyectos de innovación con empresas (OPTIMI, Tartessos, ACERINOX, ARELANCE, TUO, INDRA, AOP) y es actualmente profesor invitado del INRIA, la Universidad de Luxemburgo y la Universidad Técnica de Ostrava. El Dr. Alba es editor en múltiples revistas internacionales y series de libros de Springer-Verlag y Wiley, además de revisar trabajos para más de 30 revistas de impacto. Ha publicado 90 artículos en revistas indexadas en ISI-JCR, 17 en otras revistas, 40 artículos en LNCS y más de 250 en congresos con revisión. También ha publicado 11 libros y 39 capítulos de libro, habiendo además recibido 6 premios en su carrera investigadora, y con un índice H actualmente de 46 (más de 10.000 referencias a sus trabajos). Su interés científico se centra en el diseño de algoritmos evolutivos y metaheurísticas en general para resolver problemas reales, incluyendo ciudades inteligentes, comunicaciones, optimización combinatoria, ingeniería del software y bioinformática. El enfoque de este trabajo es en muchos casos el paralelismo en sus diferentes variantes y los sistemas distribuidos.

José Antonio Lozano

José A. Lozano es catedrático del Departamento de Ciencas de la Computación e Inteligencia Artificial de la Universidad del País Vasco. Sus lineas de investigación se centran en el "machine learning", la optimización combinatoria mediante el uso de metaheurísticas de búsqueda, y las sinergias entre ambos campos. El profesor Lozano ha publicado mas de 100 artículos en revistas JCR y sus trabajos han recibido mas de 7200 citas.

José Andrés Moreno

José Andrés Moreno Pérez es Licenciado y Doctor en Matemáticas por la Universidad Complutense desde 1986. En la Universidad de La Laguna ha sido Profesor Titular de Universidad de ‘Estadística e Investigación Operativa’ (1986-1996) y es Catedrático de Universidad en el área de ‘Ciencias de la Computación e Inteligencia Artificial' desde 1996. Su actividad investigadora principal se centra en las Sistemas Inteligentes mediante el uso de Metaheurísticas de Búsqueda para la resolución de problemas de optimización y en los Sistemas Ayuda a la toma de Decisiones. Ha liderado proyectos de investigación subvencionados por el Gobierno de España y por la Comunidad Autónoma de Canarias y participado en varios proyectos con financiación de la UE. Ha dirigido diversas tesis doctorales y otros trabajos de investigación sobre sistemas inteligentes orientados a la optimización en problemas logísticos y de transporte. Ha publicado más de 60 artículos en revistas internacionales relacionados con los sistemas inteligentes y ha presentado más de 100 ponencias en congresos y reuniones científicas. Ha actuado como revisor de más de 20 revistas de prestigio y como editor de una decena de ellas. Ha sido invitado a dar conferencias en distintas universidades españolas y de otros países sobre sistemas inteligentes.

Preguntas Frecuentes (FAQ)

¿A quién debo dirigir mis dudas sobre inscripción, precio, fechas y requisitos de acceso?

Las preguntas que no sean científicas o de desarrollo diario del curso deben dirigirse a la secretaría de la Universidad Internacional Menéndez Pelayo.

¿A quién debo contactar para dudas técnicas sobre este curso?

Al profesor responsable del módulo donde pertenencen las preguntas (hay tres módulos y tres profesores, uno por cada módulo). Si se trata de una pregunta global sobre la impartición de este curso, objetivos o relación con el resto del máster, contacta con el profesor coordinador (Dr. Enrique Alba).

¿Qué necesito para realizar este curso?

Una vez hayas realizado tu matrícula correctamente sólo necesitas una buena conexión a Internet y tiempo para estudiar semanalmente (que puedes elegir libremente al ser un curso online).

¿Qué material necesito para seguir este curso?

Una computadora con un procesador moderno y buena cantidad de memoria, así como acceso a Internet. Esto facilita el acceso al campus virtual, la visualización de videos explicativos y la realización de prácticas para comprender mejor los contenidos teóricos del curso. Tener impresora y escáner puede ayudar puntualmente a la interacción con los profesores, pero no es imprescindible.

¿Qué tengo que hacer para aprobar este curso?

Debes estudiar las transparencias, visualizar y comprender los videos, realizar los tests que hay al final de cada tema en todos los módulos, y elegir/realizar un trabajo de entre todos los propuestos para entregarlo dentro del período activo de la asignatura (octubre). Pide ayuda y realiza cuestiones cuando quieras :-)

¿Tengo que desplazarme a algún lugar para seguir este curso?

No, puedes seguir este curso de manera totalmente remota.