Gaia

Bilaketarako heuristikoak

Gaiari buruzko datu orokorrak

Modalitatea
Ikasgelakoa
Hizkuntza
Ingelesa

Irakasgaiaren azalpena eta testuingurua

El incremento de la potencia de cálculo de los ordenadores ha contribuido a que actualmente sea posible resolver problemas que en el pasado eran impensables. Muchos de estos problemas son problemas de optimización. Además estos problemas tienen características que hacen que los métodos de la programación matemática clásica no puedan ser aplicados: discontinuidades, inexistencia de fórmula cerrada para la función a optimizar, problemas con ruido, etc. Para resolver este tipo de problemas la comunidad científica ha creado las metaheurísticas de búsqueda. Este conjunto de técnicas tratan de resolver problemas de optimización, en general de forma aproximada, en tiempos de computo razonables. La importancia de estas técnicas en el contexto de la propuesta de master es doble, por un lado existen gran cantidad de problemas en el ámbito de la industria y la economía que son en la actualidad resueltos con este tipo de técnicas y por otro, casi todos los modelos que se aprenden a partir de datos en el campo del machine learning o del data mining se infieren mediante la utilización de heurísticas de búsqueda

Irakasleak

IzenaErakundeaKategoriaDoktoreaIrakaskuntza-profilaArloaHelbide elektronikoa
LOZANO ALONSO, JOSE ANTONIOEuskal Herriko UnibertsitateaUnibertsitateko KatedradunaDoktoreaElebakarraKonputazio Zientzia eta Adimen Artifizialaja.lozano@ehu.eus

Gaitasunak

IzenaPisua
Aprender los fundamentos matemáticos y analógicos de los principales heurísticos de búsqueda de soluciones en problemas difíciles computacionalmente (NP-completos)25.0%
Ser capaces de identificar y modelar problemas de optimización susceptibles de ser resueltos de forma eficiente mediante técnicas heurísticas de búsqueda25.0%
Adquirir la habilidad para diseñar e implementar heurísticos de búsqueda eficientes que permitan solucionar problemas de optimización en diversas áreas de la ciencia y la ingeniería.25.0%
Adquirir conocimientos que permitan evaluar y presentar de forma razonada la bondad de diversas heurísticas de búsqueda en la resolución de un problema de optimización25.0%

Irakaskuntza motak

MotaIkasgelako orduakIkasgelaz kanpoko orduakOrduak guztira
Magistrala12.51830.5
Mintegia5813
Ordenagailuko p.12.51931.5

Irakaskuntza motak

IzenaOrduakIkasgelako orduen ehunekoa
Aplikazio-tailerrak10.0100%
Azalpenezko eskolak10.0100%
Bideokonferentziak0.0100%
Ikasketa sistematizatua20.00%
Interakzioa irakaslearekin ingurune birtualetan0.030%
Irakaskuntza-taldeak plataforma birtualaren bidez proposatutako jarduerak0.00%
Irakurketa eta analisi praktikoak20.050%
Plataformaren bidez harreman birtualean emandako orduak (foroetan parte hartzea, etab.)0.0100%
Txostenak eta azalpenak lantzea15.030%

Ebaluazio-sistemak

IzenaGutxieneko ponderazioaGehieneko ponderazioa
Bertaratzea eta Parte-hartzea15.0% 25.0%
Azalpenak30.0% 40.0%
Beste batzuk0.0% 10.0%
Foroetan parte hartzea15.0% 25.0%
Lan praktikoak30.0% 40.0%
Urrutiko ebaluazio-probak75.0% 85.0%

Ohiko deialdia: orientazioak eta uko egitea

The student has to carry out a practical work that consists in the solution of a academic combinatorial optimization problem by means of several metaheuristic algorithms. In order to do that, the students, will have to mathematically formalize the problem, design appropriate algorithms and codify them in the computer. In addition they will carry out comparison between the different designed and implemented algorithms.

In a fixed day at the beginning of the course, the student will provide the instructor with a report of the work done together with the source code. Finally the students will do a presentation of the work carried out.

Irakasgai-zerrenda

Tema 1 INTRODUCCIÓN A LA OPTIMIZACIÓN

Tema 2 ALGORITMOS DE BÚSQUEDA LOCAL

Tema 3 ALGORITMOS POBLACIONALES E HÍBRIDOS

Tema 4 OPTIMIZACIÓN MULTIOBJETIVO

Tema 5 EVALUACIÓN DE LA OPTIMIZACIÓN

Bibliografia

Oinarrizko bibliografia

1. C.R. Reeves (Ed.), Modern Heuristic Techniques for Combinatorial Problems. Blackwell Scientific Publications,1993.

2. A. Díaz (Ed.), Optimización Heurística y Redes Neuronales en Dirección de Operaciones e Ingeniería.Editorial Paraninfo, 1996.

3. P.J.M. Van Laarhoven & E.H.L. Aarts, Simulated Annealing: Theory and Applications. D. Reidel

Publishing Company, Dordretch, Holland, 1987.

4. D. Goldberg, Genetic Algorithm in search, optimization and machine learning. Addison-Wesley, 1989.

5. T. Back, Evolutionary Algorithms in Theory and Practice. Oxford University Press, 1996.

6. F. Glover, M. Laguna, Tabu Search. Kluwer Academic Publishers, 1997.

Gehiago sakontzeko bibliografia

7. M. Laguna, R. Mart¿¿ & V. Campos, Intensification and Diversification with Elite Tabu Search Solutions for the Linear Ordering Problem. Computers and Operations Research 26, pp. 1217-1230, 1999.

8. M. Dorigo, V. Maniezzo & A. Colorni, The Ant System: Optimization by a colony of cooperating

agents. IEEE Transactions on Systems, Man, and Cybernetics-Part B, 26, 1, pp. 1-13, 1996.

9. M. Laguna and R. Martí, Scatter Search: Methodology and Implementations in C. Kluwer Academic Publishers, 2003.

10. P. Larrañaga & Jose A. Lozano (Ed.) Estimation of Distribution Algorithms. Kluwer Academic Publishers, 2002.

11. B. Melián, J.A. Moreno Perez, J. Marcos Moreno-Vega, J.(Ed.) Revista Iberoamericana de Inteligencia Artificial 19, 2, 2003.

12. H.H Hoos, T. Stuztle, Stochastic local search. Foundations and applications. Morgan Kaufmann, 2005.

Aldizkariak

* IEEE Trans. on Evolutionary Computation

* Evolutionary Computation Journal

* Journal of Heuristics

* European Journal of Operations Research

* Computers and Operations Research

* Swarm and Evolutionary Computation

Estekak

https://en.wikipedia.org/wiki/Metaheuristic

Iradokizunak eta eskaerak