cerrar
Optimización Evolutiva Multi-Objetivo: Desarrollo Histórico y Retos Futuros
División Académica de Ingeniería
Jueves 15 de marzo de 2012
23:30h

Durante los últimos 25 años, ha habido un interés creciente en usar meta heurísticas basadas en la selección natural de Darwin (los denominados "algoritmos evolutivos") para resolver una amplia variedad de problemas. Como en cualquier otra disciplina, la investigación en algoritmos evolutivos se ha vuelto más especializada a lo largo de los años, dando origen a diversas sub-disciplinas. Esta plática será en torno a una de estas sub-disciplinas emergentes que se ha vuelto muy popular debido a su amplia aplicabilidad: la optimización evolutiva multi-objetivo (EMOO, por sus siglas en inglés). EMOO se refiere al uso de algoritmos evolutivos (o incluso otras heurísticas bio-inspiradas) para resolver problemas que tienen dos o más funciones objetivo (normalmente en conflicto entre sí). A diferencia de los problemas de optimización tradicionales (mono-objetivo), los problemas de optimización multi-objetivo tienen normalmente más de una solución. De tal forma, los algoritmos evolutivos tradicionales (p.ej., los algoritmos genéticos) necesitan ser modificados para lidiar con dicho tipo de problemas. Esta plática proporcionaría una visión general de esta área, incluyendo su desarrollo histórico, sus aportes algoritmicos más significativos, algunas de sus áreas de aplicación más importantes y sus desafíos actuales y futuros.

Dr. Carlos A. Coello
CINVESTAV-IPN