Algoritmos evolutivos y bioinspirados para la optimización
En los últimos cincuenta años, el campo de optimización ha sufrido una importante revolución por el surgimiento de algoritmos, denominados meta-herísticas, inspirados en la naturaleza, en la evolución, y en comportamientos animales, incluyendo la inteligencia colectiva de animales gregarios. Ejemplos de dichos algoritmos serían los Algoritmos Genéticos, inspirados en la evolución, los algoritmos de Optimización basados en colonias de hormigas (ACO), o los algoritmos de optimización basados en nubes de partículas (PSO), basados en el desplazamiento de las aves. El éxito de estas técnicas de optimización bio-inspirada ha dado lugar, en la actualidad, a un creciente interés por descubrir otras estrategias inspiradas en la naturaleza cuya implementación computacional pueda aportar beneficios en el campo de la optimización y, es por ello, que se está produciendo una gran oleada de nuevas aproximaciones que constituyen lo que podríamos denominar algoritmos bio-inspirados de segunda generación. Entre ellos, se encuentran los algoritmos de colonias de abejas artificiales (ABC), o algoritmos de optimización de alimentación bacteriana, … entre otros.
El objetivo de la línea “#CI – Algoritmos evolutivos y bio-inspirados para la optimización” es el estudio y desarrollo de algoritmos bio-inspired para: (1) Mejorar su comportamiento frente a problemas de optimización en dominios continuos y (2) Aplicarlos y adaptarlos para resolver problemas de optimización combinatorios concretos, tales como los relacionados con intervenciones en redes complejas, organización óptima de hospitales, etc.
Contacto: Daniel Molina Cabrera
