Descripción y contextualización de la asignatura

En la actualidad la creciente complejidad de los sistemas de casi cualquier tipo: productivos, de transporte, de comunicaciones, etc. hacen que su optimización mediante el uso de técnicas clásicas sea cada vez menos factible. Como una alternativa para optimizar estos sistemas se encuentran las denominadas técnicas metaheurísticas de optimización, y en particular los algoritmos bioinspirados y técnicas de computación evolutiva.



Este tipo de algoritmos han demostrado que son capaces de proporcionar soluciones satisfactorias a problemas de gran complejidad y de muy diversos ámbitos en tiempos aceptables.



La asignatura se centrará en realizar una introducción a dichas técnicas, mostrando un abanico de las más habituales. Se hará especial hincapié en la implementación, la aplicabilidad y la aplicación de las técnicas.

Convocatoria ordinaria: orientaciones y renuncia

La evaluación final consistirá en la realización de un trabajo por parte del alumno que deberá entregarse antes de la fecha determinada por la Comisión Académica del Máster. La calificación de dicho trabajo junto con la de la asistencia y participación a clase determinará la calificación global del alumno. De forma excepcional y previo el visto bueno del Coordinador del Máster/Comisión Académica, en caso de no poder asistir con regularidad a las sesiones, el estudiante debería realizar un trabajo adicional para evaluar la "asistencia y participación en clase".



El alumnado que haya asistido y participado en el curso pero que no se presente a la convocatoria ordinaria, es decir, no entregue el trabajo correspondiente, será calificado como No presentado/a.

Convocatoria extraordinaria: orientaciones y renuncia

Los criterios de evaluación serán los mismos que en la convocatoria ordinaria.

Temario

1. Introducción a los Algoritmos Bioinspirados

2. Algoritmos Genéticos

3. Estrategias de Evolución

4. Evolución Diferencial

5. Algoritmos de estimación de distribuciones

6. Particle Swarm Optimization y sus variantes. Comparación con otros algoritmos de optimización

global

7. Aplicación de los algoritmos bioinspirados a los problemas inversos y de aprendizaje automático

8. Aplicaciones industriales en ingeniería del petróleo, geofísica medioambiental y biomedicina

9. Introducción a los algoritmos evolutivos multi-objetivo y al manejo de restricciones

Bibliografía

Materiales de uso obligatorio

Apuntes y prácticas de la asignatura "Algoritmos Bioinspirados y Técnicas de Computación Evolutiva " publicados en la plataforma virtual de apoyo a la docencia de la Universidad.

Bibliografía básica

Michalewicz Z., Genetic Algorithms and Data Structures: Evolution Programs. Springer, 1999



Eiben,A.E. y Smith, J.E. Introduction to evolutionarly computing. Springer, 2007



J. Koza. Genetic Programming: On the Programming of Computers by Means of Natural Selection. The MIT Press, 1992.

Bibliografía de profundización

J. Koza. Genetic Programming: On the Programming of Computers by Means of Natural Selection. The MIT Press, 1992







Holland, J.H. Adaptation in Natural and Artifiical Systems. Univ. Michigan Press, 1975







Goldberg, D.E., Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, 1989







Eiben, A.E. y Smith, J.E. Introduction to evolutionary computing. Springer, 2007







A brief historical review of particle swarm optimization (PSO) E. García-Gonzalo, J.L. Fernández-Martínez. Journal of Bioinformatics and Intelligent Control 1 (1), 3-16







How to design a powerful family of particle swarm optimizers for inverse modelling J.L. Fernández Martínez, E. García Gonzalo, Z. Fernández Muniz, T. Mukerji. Transactions of the Institute of Measurement and Control 34(6), 705-719







On the topography of the cost functional in linear and nonlinear inverse problems J.L. Fernández Martínez, M.Z. Fernández Muniz, M.J. Tompkins. Geophysics 77(1), W1-W15







From Bayes to Tarantola: New insights to understand uncertainty in inverse problems J.L. Fernández-Martínez, Z. Fernández-Muñiz, J.L.G. Pallero, Journal of Applied Geophysics 98, 62-72

Revistas

Evolutionary Computation, MIT Press Journal







IEEE Transactions on Evolutionary Computation, IEEE Press







Genetic Programming and Evolvable Machines, Springer







Swarm Intelligence, Springer







International Journal of Applied Evolutionary Computation, IGI Global







Swarm and Evolutionary Computation, Elsevier







Journal of Heuristics, Springer

Enlaces

Genetic and Evolutionary Computation Conference (GECCO), http://gecco-2018.sigevo.org/index.html/HomePage







IEEE Congress on Evolutionary Computation (CEC), http://www.cec2017.org/







Congreso español de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados, http://mic2017.upf.edu/maeb-2/







International Conference on Bioinspired Optimization Methods and their Applications (BIOMA), https://bioma2018.sciencesconf.org/







International Conference on Parallel Problem Solving from Nature (PPSN), http://ppsn2018.dei.uc.pt/