Resumen: La coevolución es un tema de investigación antiguo pero muy interesante en computación evolutiva. Esta charla presenta algunas de las aplicaciones de la coevolución en el aprendizaje y la optimización. En primer lugar, examinaremos un escenario clásico de aprendizaje coevolutivo cuando no se dispone de datos de entrenamiento. De hecho, tampoco se dispone de información sobre el profesor. A continuación, examinamos cómo podría utilizarse la coevolución para abordar la optimización global a gran escala en el escenario de optimización de caja negra. Por último, exploramos cómo podría aprovecharse la coevolución para diseñar automáticamente solucionadores generales para problemas difíciles de optimización combinatoria.
Ponente: Xin Yao es catedrático de Informática en la Southern University of Science and Technology (SUSTech) de Shenzhen (China) y profesor a tiempo parcial de Informática en la Universidad de Birmingham (Reino Unido). Es miembro del IEEE y fue conferenciante distinguido de la Sociedad de Inteligencia Computacional del IEEE (CIS). Fue presidente (2014-15) de la CIS del IEEE y redactor jefe (2003-08) de IEEE Transactions on Evolutionary Computation. Sus principales intereses de investigación incluyen la computación evolutiva, el aprendizaje por conjuntos y sus aplicaciones a la ingeniería de software. Sus trabajos de investigación ganaron el premio IEEE Donald G. Fink Prize Paper Award 2001; los premios IEEE Transactions on Evolutionary Computation Outstanding Paper Awards 2010, 2016 y 2017; el premio IEEE Transactions on Neural Networks Outstanding Paper Award 2011; y muchos otros premios al mejor trabajo en congresos. Recibió el premio Wolfson Research Merit Award de la Royal Society en 2012, el premio IEEE CIS Evolutionary Computation Pioneer Award en 2013 y el premio IEEE Frank Rosenblatt Award en 2020.
Grabación: Resolución coevolutiva de problemas