Resumen: La Inteligencia Evolutiva (IE) se ha utilizado ampliamente durante las dos últimas décadas y ha seguido siendo un tema muy investigado, especialmente para problemas complejos del mundo real. Las técnicas de IE son un subconjunto de la inteligencia artificial, pero difieren ligeramente de los métodos clásicos en el sentido de que la inteligencia de la IE procede de los sistemas biológicos o de la naturaleza en general. La eficacia de la IE se debe a su gran capacidad para imitar las mejores características de la naturaleza, que han evolucionado por selección natural a lo largo de millones de años. El tema central de esta presentación son las técnicas de IE y su aplicación a problemas complejos de ingeniería del mundo real. Sobre esta base, primero hablaré de un enfoque de aprendizaje automatizado llamado programación genética. A continuación, se presentará el aprendizaje evolutivo aplicado y, después, se mencionarán sus nuevos avances. Aquí se presentarán, en particular, algunos de mis estudios sobre análisis y modelización de big data mediante IE y programación genética. En segundo lugar, se presentará la optimización evolutiva, incluyendo aplicaciones clave en la optimización del diseño de sistemas de ingeniería complejos y no lineales. También se explicará cómo se han adoptado estos algoritmos a problemas de ingeniería y cómo se aprovechan en la práctica sus ventajas sobre los problemas de optimización clásicos. Se presentarán resultados de optimización de torres a gran escala y problemas multiobjetivo que demuestran la aplicabilidad de la IE. Por último, se explicarán las heurísticas adaptables con EI que pueden mejorar significativamente los resultados de la optimización.
Ponente: Amir H. Gandomi es catedrático de Ciencia de Datos y becario ARC DECRA en la Facultad de Ingeniería y Tecnología de la Información de la Universidad Tecnológica de Sídney. Antes de incorporarse a la UTS, fue profesor adjunto en el Stevens Institute of Technology (EE.UU.) e investigador distinguido en el centro BEACON de la Michigan State University (EE.UU.). El profesor Gandomi ha publicado más de trescientos artículos en revistas y 12 libros que, en conjunto, han sido citados más de 30.000 veces (índice H = 79). Ha sido nombrado una de las mentes científicas más influyentes y Highly Cited Researcher (1% de publicaciones y 0,1% de investigadores más citados) durante cinco años consecutivos, de 2017 a 2021. También ocupa el puesto 17 en la bibliografía GP entre más de 12.000 investigadores. Ha recibido múltiples premios prestigiosos por su excelencia e impacto en la investigación, como el Premio Walter L. Huber 2022, que se conoce como el premio de investigación a mitad de carrera de más alto nivel en todas las áreas de la ingeniería civil. Ha sido editor asociado, editor y editor invitado en varias revistas prestigiosas como AE de IEEE TBD e IEEE IoTJ. El profesor Gandomi participa activamente en conferencias magistrales y charlas invitadas. Sus intereses de investigación se centran en la optimización global y el análisis de (grandes) datos, en particular mediante el aprendizaje automático y los cálculos evolutivos.
Grabación: Inteligencia evolutiva para el análisis y la optimización de datos