Metaheurísticas: Introducción, tendencias y aplicaciones

Título del curso

Metaheurísticas: Introducción, tendencias y aplicaciones.

Profesorado

Laura Calvet Liñán. Departamento de Econometría, Estadística y Economía Española. Universidad de Barcelona (UB).

Laura Calvet es estudiante de doctorado en Tecnologías de la Información y Redes en la Universidad Abierta de Cataluña (UOC). Es profesora de Estadística PúblicaenlaUB,Introducción a la Econometría en la Universidad Autónoma de Barcelona (UAB) y Optimización Combinatoria en la UOC. Su principal línea de investigación se basa en aplicaciones de metaheurísticas a problemas de rutas, producción, finanzas, y telecomunicaciones. También trabaja en el desarrollo de algoritmos híbridos basados en metaheurísticas, simulación y machine learning para la resolución de problemas de optimización combinatoria NP-hard. Estudió Economía y Estadística Aplicada en la UAB, y cursó el máster en Estadística e Investigación Operativa en la Universidad Politécnica de Cataluña.

Idioma del curso

Castellano. [Catalán o Inglés]

Programación del curso

3 a 7 de Julio, de 15:00 a 18:00h.

Descripción

La optimización combinatoria estudia problemas difíciles (NP-hard), es decir, con un espacio de soluciones grande. Las metaheurísticas son algoritmos de optimización combinatoria que tratan de realizar una búsqueda eficiente, obteniendo una buena solución, aunque no se pueda garantizar que sea óptima. En este curso se introducen los conceptos de heurísticas y metaheurísticas. También se analizan algoritmos para abordar problemas de optimización combinatoria clásicos y con aplicaciones en la vida real. Se estudian técnicas de aleatorización sesgada para mejorar la eficiencia de heurísticas simples. Finalmente, se describen las simheurísticas, metaheurísticas que integran técnicas de simulación para abordar problemas estocásticos, y se repasan aplicaciones de algoritmos híbridos basados en machine learning y metaheurísticas.

Objetivos

Aprender el concepto de metaheurística.
Conocer las aplicaciones más populares.
Conocer las tendencias actuales.

Programa del curso

1 DIA 1 (3 horas): Introducción

1.1 Optimización combinatoria. Heurísticas y metaheurísticas. Aplicaciones.

1.2 Taller 1: Heurísticas.

2 DIA 2 (3 horas): Metaheurísticas

2.1 Definiciones y clasificaciones de metaheurísticas.

2.2 Taller 2: Metaheurística para problema de rutas.

3 DIA 3 (3 horas): Aleatorización sesgada

3.1 Aleatorización sesgada. Aplicaciones.

3.2 Taller 3: Metaheurística para problema de producción.

4 DIA 4 (3 horas): Simheurísticas

4.1 Combinación de metaheurísticas y simulación. Aplicaciones.

4.2 Taller 4: Metaheurística para problema estocástico de producción.

5 DIA 5 (3 horas): Machine learning y metaheurísticas

5.1 Aplicaciones basadas en la combinación de machine learning y metaheurísticas.

5.2 Taller 5: repaso.

Evaluación

Taller 1. Heurísticas: 20%
Taller 2. Metaheurística para problema de rutas: 20%
Taller 3. Metaheurística para problema de producción: 20%
Taller 4. Metaheurística para problema estocástico de producción: 20%
Taller 5. Repaso: 20%

Requisitos

Es necesario tener un nivel medio de inglés.
Es necesario tener conocimientos básicos de programación orientada a objetos.

Aula

Próximamente.