Estudia
- Artes y humanidades
-
Ciencias
- Máster Erasmus Mundus en Recursos Biológicos Marinos
- Máster Universitario en Análisis de Datos para la Inteligencia de Negocios
- Máster Universitario en Biotecnología Alimentaria
- Máster Universitario en Biotecnología Aplicada a la Conservación y Gestión Sostenible de Recursos Vegetales
- Máster Universitario en Biotecnología del Medio Ambiente y la Salud
- Máster Universitario en Ciencias Analíticas y Bioanalíticas
- Máster Universitario en Conservación Marina
- Máster Universitario en Física Avanzada: Partículas, Astrofísica, Nanofísica y Materiales Cuánticos
- Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación*
- Máster Universitario en Química Teórica y Modelización Computacional
- Máster Universitario en Química y Desarrollo Sostenible
- Máster Universitario en Recursos Geológicos e Ingeniería Geológica
- Ciencias de la salud
- Ciencias sociales y jurídicas
- Ingeniería y arquitectura
- Información, acceso y becas
Algoritmos Bioinspirados y Técnicas de Computación Evolutiva
- Clases Expositivas (14 Hours)
- Prácticas de Aula/Semina (16 Hours)
DESCRIPCIÓN Y CONTEXTUALIZACIÓN DE LA ASIGNATURA
En la actualidad la creciente complejidad de los sistemas de casi cualquier tipo: productivos, de transporte, de comunicaciones, etc., hacen que su óptimización mediante el uso de técnicas clásicas sea cada vez menos factible. Como una alternativa para optimizar estos sistemas se encuentran las denominadas técnicas metaheurísticas de optimización, y en particular los algoritmos bioinspirados y técnicas de de computación evolutiva.
Este tipo de algoritmos han demostrado que son capaces de proporcionar soluciones satisfactorias a problemas de gran complejidad y de muy diversos ámbitos en tiempos aceptables.
La asignatura se centrará en realizar una introducción a dichas técnicas, mostrando un abanico de las más habituales. Se hará especial hincapié en la implementación, la aplicabilidad y la aplicación de las técnicas.
No los hay.
COMPETENCIAS DE LA ASIGNATURA
Competencias específicas de la asignatura:
10001-Entender el funcionamiento y la utilización de los algoritmos estudiados.
10002-Capacidad para diseñar un método evolutivo simple para la resolución de un problema.
10003-Capacidad para ajustar adecuadamente los diferentes parámetros de los algoritmos bioinspirados mediante la correspondiente experimentación.
10004-Manejo con cierta destreza el software utilizado en las sesiones.
10005-Diseño adecuado de baterías de experimentación.
10006-Capacidad para presentar rigurosamente los resultados tras la fase de experimentación.
Competencias básicas y generales: CB6, CB7, CB9, CB10, CG1857
Competencias transversales: CT1861, CT1862, CT1872
Competencias específicas de la titulación: CE1865, CE1860, CE1841, CE1856, CE1859
RESULTADOS DE APRENDIZAJE DE LA ASIGNATURA
- Entender la filosofía subyacente a los algoritmos bioinspirados, especialmente a los de carácter evolutivo.
- Ser capaz de distinguir los distintos elementos que los conforman y como se relacionan.
- Ser capaz de reconocer los distintos algoritmos existentes y cuando puede ser mejor utilizar uno u otro tipo de algoritmos.
- Ser capaz de diseñar algoritmos bioinspirados sencillos a partir de los conocimientos sobre los distintos algoritmos estudiados en la asignatura.
- Ser capaz de implementar algoritmos bioinspirados utilizando algún lenguaje de programación estándar a partir del diseño previo o de las indicaciones de una publicación académica.
- Ser capaz de diseñar experimentos para estudiar el comportamiento de los algoritmos desarrollados.
CONTENIDOS TEORICO-PRACTICOS
- Introducción a los Algoritmos Bioinspirados.
- Algoritmos Genéticos.
- Estrategias de Evolución.
- Evolución diferencial.
- Algoritmos de estimación de distribuciones.
- Particle Swarm Optimization y sus variantes. Comparación con otros algoritmos de optimización global.
- Aplicación de los algoritmos bioinspirados a los problemas inversos y de aprendizaje automático.
- Aplicaciones industriales en ingeniería del petróleo, geofísica medioambiental y biomedicina.
- Introducción a los algoritmos evolutivos multi-objetivo y al manejo de restricciones.
Metodología
El contenido teórico se expondrá en clases magistrales . Estas clases magistrales se complementarán con sesiones prácticas en el laboratorio informático en los que se propondrá a los alumnos la manipulación/modificación/implementación de los diversos elementos de un algoritmo bioinspirado.
Por las características particulares del máster el alumno deberá dedicar una parte importante de su tiempo al estudio personal, no obstante los profesores orientarán siempre que sea necesario dicho trabajo mediante tutorías individualizadas.
Sistemas de evaluación
SISTEMA DE EVALUACIÓN FINAL
Herramientas y porcentajes de calificación
Asistencia y participación en clase 30%, realización de trabajo final 70%.
Aspecto | Criterios | Instrumento | Peso |
Asistencia a clase | Se valorará la asistencia y la respuesta a las actividades o ejercicios propuestos en clase. | Seguimiento por parte del profesor de la participación del alumno en las actividades propuestas. | 30% |
Elaboración de trabajos. | Se valorará la corrección y la eficiencia de los trabajos y programas realizados. | Corrección por parte del profesor. | 70% |
CONVOCATORIA ORDINARIA: ORIENTACIONES Y RENUNCIA
CRITERIOS DE LA EVALUACIÓN FINAL:
La evaluación final consistirá en la realización de un trabajo por parte del alumno que deberá entregarse antes de la fecha determinada por la Comisión Académica del Máster. La calificación de dicho trabajo junto con la de la asistencia y participación a clase determinará la calificación global del alumno. De forma excepcional y previo visto bueno del Coordinador del Máster/Comisión académica, en caso de no poder asistir con regularidad a las sesiones, el estudiante debería realizar un trabajo adicional para evaluar la “asistencia y participación en clase”.
El alumnado que haya asistido y participado en el curso pero que no se presente a la convocatoria ordinaria, es decir, no entregue el trabajo correspondiente, será calificado como No presentado/a.
CONVOCATORIA EXTRAORDINARIA: ORIENTACIONES
Los criterios de evaluación serán los mismos que en la convocatoria ordinaria.
MATERIALES DE USO OBLIGATORIO
Apuntes y prácticas de la asignatura "Algoritmos Bioinspirados y Técnicas de Computación Evolutiva " publicados en la plataforma virtual de apoyo a la docencia de la Universidad.
BIBLIOGRAFÍA DE PROFUNDIZACIÓN
- J. Koza. Genetic Programming: On the Programming of Computers by Means of Natural Selection. The MIT Press, 1992.
- Holland, J.H. Adaptation in Natural and Artificial Systems. Univ. Michigan Press, 1975.
- Goldberg, D.E., Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, 1989.
- Eiben, A.E. y Smith, J.E. Introduction to evolutionarly computing. Springer, 2007.
- A brief historical review of particle swarm optimization (PSO) E García-Gonzalo, JL Fernández-Martínez. Journal of Bioinformatics and Intelligent Control 1 (1), 3-16.
- How to design a powerful family of particle swarm optimizers for inverse modelling JL Fernández Martínez, E Garcia Gonzalo, Z Fernandez Muniz, T Mukerji. Transactions of the Institute of Measurement and Control 34 (6), 705-719
- On the topography of the cost functional in linear and nonlinear inverse problems JL Fernandez Martinez, MZ Fernandez Muniz, MJ Tompkins. Geophysics 77 (1), W1-W15
- From Bayes to Tarantola: New insights to understand uncertainty in inverse problems JL Fernández-Martínez, Z Fernández-Muñiz, JLG Pallero, Journal of Applied Geophysics 98, 62-72
REVISTAS
- Evolutionary Computation, MIT Press Journal.
- IEEE Transactions on Evolutionary Computation, IEEE Press.
- Genetic Programming and Evolvable Machines, Springer.
- Swarm Intelligence, Springer.
- International Journal of Applied Evolutionary Computation, IGI Global.
- Swarm and Evolutionary Computation, Elsevier.
- Journal of Heuristics, Springer.
DIRECCIONES DE INTERNET DE INTERÉS
- Genetic and Evolutionary Computation Conference (GECCO), http://gecco-2018.sigevo.org/index.html/HomePage.
- IEEE Congress on Evolutionary Computation (CEC), http://www.cec2017.org/
- Congreso Español de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados, http://mic2017.upf.edu/maeb-2/
- International Conference on Bioinspired Optimization Methods and their Applications (BIOMA), https://bioma2018.sciencesconf.org/
- International Conference on Parallel Problem Solving from Nature (PPSN) , http://ppsn2018.dei.uc.pt/