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.