Go Back to my Home Page
El Dr. Carlos A. Coello Coello es frecuentemente invitado a impartir pláticas dentro y fuera de México. Debido a lo apretado de su agenda, es importante que, en caso de desear que imparta una plática en su institución, se lo notifique con la máxima anticipación posible vía correo electrónico (ccoello@cs.cinvestav.mx). Cualquier invitación presupone el pago de los gastos de transportación (normalmente en avión, al aeropuerto más cercano a la ciudad sede del evento), de alimentos y hospedaje (en caso de aplicarse), así como de taxis (tomados en la Cd. de México y, en su defecto, en la ciudad sede del evento).
Las pláticas que imparte más comúnmente en eventos nacionales son las siguientes (todas tienen una duración aproximada de una hora):
La Situación Actual de la Computación en México: Una Historia Verdadera.
En esta plática se presentará una visión muy personal de la situación que atraviesa la computación en México en estos momentos. La plática se divide en 3 partes. En la primera se plantea el interés evidente de los jóvenes por cursar carreras relacionadas con la computación. Dentro de esta parte se proporcionan cifras y se analizan ciertos problemas particulares relacionados con el diseño curricular de nuestras licenciaturas y con la falta de recursos humanos de alto nivel en nuestras instituciones educativas. En la segunda parte se habla sobre la problemática de nuestros posgrados nacionales y de los mecanismos de otorgamiento de becas de CONACyT. En la tercera parte se discuten brevemente los apoyos a la investigación que se otorgan en México, enfatizando el enfoque de las corrientes políticas en los últimos años, así como la evidente falta de una política científica y tecnológica nacional. Se concluye con un análisis breve del Programa Especial de Ciencia y Tecnología del gobierno actual y con algunas reflexiones personales en torno al futuro de la computación en México.
Palabras clave: investigación en México, ciencia en México, computación en México
Introducción a la Computación Evolutiva: Las Computadoras Aprenden de la Naturaleza
Inspirada en el mecanismo Darwiniano de seleccion natural, se ha desarrollado una disciplina denominada "computación evolutiva", cuyo principal énfasis ha sido resolver problemas de aprendizaje, búsqueda y optimización. La computacion evolutiva se compone de 3 grandes paradigmas: las estrategias evolutivas, la programación evolutiva y los algoritmos genéticos. Cada uno de ellos se originó de manera independiente y con distintas motivaciones. En esta plática se hablará brevemente sobre cada uno de los paradigmas que conforman la computación evolutiva, mencionando sus orígenes y motivaciones, sus diferencias y similitudes y sus aplicaciones más populares. Asimismo, se mencionarán las ventajas y desventajas de las técnicas evolutivas en general con respecto a otras técnicas de búsqueda y optimización. Posteriormente, se hablará sobre algunas aplicaciones del mundo real que ha tenido la computación evolutiva, mencionando su impacto industrial en algunos países del Primer Mundo. Finalmente, se concluirá mencionando algunas de las tendencias actuales y futuras de la computación evolutiva, describiéndose brevemente algunos de los paradigmas emergentes que se espera se vuelvan muy populares dentro de algunos años.
Palabras clave: algoritmos genéticos, inteligencia artificial, heurísticas
Hardware Evolutivo: Diseñando Circuitos como la Naturaleza lo Haría.
El hardware evolutivo suele referirse principalmente a dos cosas: 1) hardware que es capaz de autoadaptarse en tiempo real reconfigurando su arquitectura de manera dinámica y autónoma, mediante una interacción con su ambiente y 2) uso de técnicas evolutivas (o sea, algoritmos basados en el mecanismo de selección natural que reina en las especies) para síntesis de circuitos. La línea que divide estas dos interpretaciones del término es muy tenue y de ahí que en esta plática se opte por hablar de ambas. Desde el advenimiento de los FPGAs (Field Programmable Gate Arrays) en los 1990s, el hardware evolutivo se ha tornado un área muy prometedora de investigación para el diseño de circuitos electrónicos complejos que sean robustos al ruido y a los cambios. En esta plática revisaremos un poco de la historia del hardware evolutivo, veremos una taxonomía propuesta de sus aplicaciones y haremos una revision rápida de la investigación más relevante que se ha realizado en los últimos años. Finalmente, discutiremos algunos de los desafíos más importantes que enfrenta esta disciplina en los años venideros, así como las áreas de investigación más prometedoras al respecto. Asimismo, mencionaremos brevemente algo del trabajo que hemos estado realizando en nuestro país en torno al diseño de circuitos digitales combinatorios, así como de las oportunidades para cursar estudios de posgrado en hardware evolutivo en México y el extranjero.
Palabras clave: hardware evolutivo, computación evolutiva, inteligencia artificial, heurísticas
Introduction to Evolutionary Multiobjective Optimization
. This talk provides with a general picture of the current state-of-the-art in evolutionary multiobjective optimization. First, a historical background is provided, dating back to the origins of multiobjective optimization in general. This discussion motivates the use of evolutionary algorithms for solving multiobjective problems and includes a brief description of some of the first approaches proposed in the literature. Then, rather than analyzing existing algorithms, a brief analysis of the current literature is provided in order to identify some of the current research trends. This serves as a background to start a discussion on the current research being carried out. The main topics to discuss are: new algorithms (why? and which are them?) theory (what has been done? and what is missing?), applications (are there enough? new application domains?), test functions (are we ready to move from 2 objectives to 3 and more? what makes difficult a multiobjective optimization problem?) and metrics (what to measure? what is missing?). The talk finishes with a discussion of some of the research topics that seem more promising for the next few years.
Keywords: multiobjective optimization, evolutionary algorithms, Pareto optimization.