Temas de Tesis de Maestría del Dr. Carlos A. Coello Coello para el 2004
- Optimización global usando algoritmos evolutivos: Se busca
desarrollar nuevos esquemas de manejo de restricciones para optimización
global usando algoritmos evolutivos. Resulta de particular interés
explorar el uso de evolución diferencial en optimización global con
restricciones, haciendo énfasis en cómo diluir su presión de selección.
Como parte de esta tesis, se plantea un estudio detallado de la
evolución diferencial, así como la comparación de este algoritmo
contra técnicas representativas del estado del arte en el área
(p.ej., la jerarquización estocástica). La comparación contra técnicas
clásicas de optimización es también deseable, aunque no indispensable.
- Uso de un sistema inmune artificial para clasificación:
Se pretende explorar el uso de un sistema inmune artificial (probablemente
basado en selección clonal o selección negativa) para resolver problemas
de clasificación de los que suelen abordarse en aprendizaje de máquina.
El algoritmo deberá tener aspectos novedosos y se comparará contra técnicas
representativas del estado del arte usando problemas estándares de prueba
del área.
- Impacto de los números aleatorios en los MOEAs: Han sido escasos
los estudios en los que se analice el impacto que los generadores de números
aleatorios tienen en el desempeño de un algoritmo evolutivo. En este tema,
se plantea el primer estudio de este tipo en el contexto de optimización
evolutiva multiobjetivo. La idea principal es analizar el impacto del
generador de números aleatorios en varios algoritmos
representativos del estado del arte. Así mismo, se busca proponer una
metodología para generar números aleatorios cuyo sesgo sea mínimo.
- Uso de búsqueda dispersa para optimización multiobjetivo:
Aquí se buscaría desarrollar una propuesta novedosa, basada
en la heurística denominada búsqueda dispersa (scatter
search) para resolver problemas multiobjetivo. La propuesta se validaría
usando problemas de prueba y métricas estándar de la literatura
especializada.
- Uso de optimización mediante cúmulos de partículas
y conjuntos borrosos para optimización multiobjetivo: Se buscaría
acoplar el uso de rough sets (conjuntos borrosos) a la optimización
mediante cúmulos de partículas para realizar optimización
multiobjetivo. La propuesta se validaría
usando problemas de prueba y métricas estándar de la literatura
especializada.
- Uso de la colonia de hormigas para optimización multiobjetivo:
El algoritmo denominado colonia de hormigas se basa en emulaciones
de un grupo de hormigas que salen de su nido en busca de comida. El algoritmo
puede verse como de "comportamiento emergente", ya que es capaz de producir
comportamientos complejos (p.ej., encontrar la ruta óptima de una instancia
del problema del viajero) sin necesidad de pre-programar un algoritmo específico
para ello. Han sido muy limitados los intentos por extender la colonia de
hormigas a problemas multiobjetivo. En este trabajo se plantea hacer una
propuesta en este sentido (o sea, un algoritmo para optimización multiobjetivo
basado en la colonia de hormigas), explotando las propiedades de la colonia
de hormigas y los avances más recientes en optimización evolutiva multiobjetivo.