Red Heur Lineas de Investigacion

Red HEUR
LNEAS DE INVESTIGACIN
Junio 2006
PRESENTACIN
La red HEUR se cre en el ao 2002 financiada por el proyecto TIC2002-10886E del

Ministerio de Ciencia y Tecnologa con 101 miembros. Actualmente la red est
financiada por el proyecto TIN2004-20061E del Ministerio de Educacin y Ciencia en
el que participan 15 universidades espaolas.
El objetivo de la red es la difusin de los mtodos metaheursticos, as como la

interaccin entre los distintos grupos que trabajan con ellos. La red no est limitada a
investigadores nacionales ni a los miembros originales del proyecto, sino que su
vocacin es la de aglutinar a todos los investigadores que utilizan y desarrollan estas
tcnicas.
Este documento recoge un listado de los problemas en los que estn investigando los
integrantes de la red. El propsito de este catlogo es el de establecer un mapa de la
investigacin heurstica que favorezca el trabajo entre diferentes grupos en el rea de la
optimizacin.
Valencia, Junio de 2006
Rafael Mart
Universidad de Valencia
Coordinador de la red HEUR
2
GRUPOS
La accin en curso la solicitaron un total de 147 participantes distribuidos en 18 grupos (15

universidades), tal y como recoge la tabla adjunta. Actualmente la red est compuesta por
302 miembros registrados en su pgina web (http://heur.uv.es).
Universidad Siglas Coordinador Num. Investigadores

Burgos UB Joaqun Pacheco Bonrostro 5
Castilla la Mancha UCM Jose Miguel Puerta Callejn 7
Crdoba UC Cesar Hervs Martnez 9
Granada UG-SCI2S Francisco Herrera Triguero 8
Granada UG-MODO Jose Lus Verdegay 5
Jaen UJ Mara Jose del Jess 9
La Laguna ULL Jos Andrs Moreno Prez 13
Mlaga UM - NEO Enrique Alba Torres 6
Mlaga UM-Econ Julin Molina Luque 5
Oviedo UO Adenso Daz Fernndez 7
Pas Vasco UPV Jose A. Lozano Alonso 14
Politcnica de Catalua UPC-EIO Elena Fernndez Areizaga 10
Politcnica de Catalua UPC-ETSEIB Joaqun Bautista Valhondo 5
Politcnica de Valencia UPVal Carlos Andrs Romano 9
Pompeu Fabra UPFC Helena Ramalhinho 6
Rey Juan Carlos URJC ngel Snchez Calle 10
Sevilla US Sebastin Lozano Segura 7
Valencia UV Rafael Mart Cunquero 11
Adems, los siguientes investigadores con residencia fuera de Espaa han realizado un gran
esfuerzo para apoyar las reuniones y solicitudes de la red:
Manuel Laguna de la Universidad de Colorado, USA

Jos Luis Gonzlez Velarde del Instituto tecnolgico de Monterrey en Mjico
Carlos Coello Coello de la Universidad Mejicana CINVESTAV-IPN
3
PERSONAL
El siguiente listado recoge los nombres de todos los participantes de la solicitud divididos
segn el grupo al que pertenecen.
Universidad de Burgos
Joaqun Pacheco Bonrostro, Jess Alegre Martnez, Alberto Aragn Torre, Silvia Casado
Yusta, Cristina R. Delgado Serna
Universidad de Castilla-La Mancha.

Jose Miguel Puerta Callejon, Jose Antonio Gamez Martin, Maria Julia Flores Gallego,
Ismael Garcia Varea, Francisco Parreo Torres, Luis de la Ossa Jimnez, Juan Luis Mateo
Universidad de Crdoba
Csar Hervs Martinez, Domingo Ortiz Boyer, Sebastin Ventura Soto, Mercedes Torres
Jimnez, Alfonso Carlos Martinez Estudillo, Francisco Jos Martinez Estudillo, Cristbal
Romero Morales, Pedro Gonzlez Espejo, Carlos R. Garca Alonso.
Universidad de Granada - MODO

Jose Luis Verdegay, David Alejandro Pelta, Alejandro Sancho Royo, Carlos Cruz Corona,
Juan Ramon Gonzalez Gonzalez
Universidad de Granada - SCI2S

Francisco Herrera Triguero, Manuel Lozano Mrquez, Oscar Cordn Garca, Jorge Casillas
Barranquero, Rafael Alcal Fernndez, Sergio Damas Arroyo, Pedro Villar Castro, Ana
Mara Sanchez Lpez
Universidad de Jaen
Maria Jos del Jess Daz, Jos Joaqun Aguilera Garca, Francisco Jos Berlanga Rivera,
Mara Isabel Garca Arenas, Pedro Gonzlez Garca, Mara Teresa Martn Valdivia, Mara
Dolores Prez Godoy, Victor Manuel Rivas Santos, Antonio Jess Rivera Rivas
Universidad de La Laguna
Jose Andrs Moreno Prez, Jos Marcos Moreno Vega, Beln Melin Batista, Francisco
Almeida Rodrguez, Miguel Garca Torres, Clara Margarita Campos Rodrguez, Dionisio
Prez Brito, Carlos Garca Gonzlez, Melquiades Prez Prez, Rayco Jorge Cabrera, David
Beltrn, Francisco Martnez Garca, Ignacio Garca del Amo.
Universidad de Mlaga - NEO

Enrique Alba Torres, Carlos Cotta Porras, Antonio Jos Fernndez Leiva, Gabriel Jess
Luque Polo, Antonio Jess Nebro Urbaneja, Jos Francisco Chicano Garca
Universidad de Mlaga - Econ

Julin Molina Luque, Rafael Caballero Fernndez, Trinidad Gmez Nez, Mercedes
Gonzlez Lozano, Mnica Hernndez Hueln
4
Universidad de Oviedo
Adenso Daz Fernndez, Pablo Javier Tuya Gonzlez, Santiago Garca Carvajal, Mara
Eugenia Daz Fernndez, Mara Jos Surez Cabal, Raquel Blanco Aguirre, Pilar Lourdes
Gonzlez Torre
Universidad del Pas Vasco

Pedro Larraaga, Jose Antonio Lozano, Iaki Inza, Endika Bengoetxea, Rosa Blanco,
Guzman Santafe, Jose Luis Flores, Ruben Armaanzas, Aritz Perez, Ramon Sagarna, Alex
Mendiburu, Teresa Miquelez, Roberto Santana
Universidad Politcnica de Valencia

Carlos Andrs Romano, Jose Pedro Garca Sabater, Cristobal Javier Miralles Insa, Julio Juan
Garca Sabater, Pilar Isabel Vidal Carreras, Jose Miguel Albarracn Guillem, Marta Elena
Palmer Gato, Pedro Gmez Gasquet, Manuel Cards Carboneras
Universidad Politcnica de Catalua

Elena Fernndez Arizaga, Jaime Barcel Bugueda, Julin Aroz Durand, Carlos Martnez
Ojea, Mara Albareda Sambola, Yolanda Hinojosa Bergillos, Oscar Meza Houtteman, Juan
Antonio Daz Garca, Diana Cobos del ngel, Carles Franquesa Niub
Universidad Politcnica de Catalua - ETSEIB

Joaqun Bautista Valhondo, Christian Blum, Jorge Pereira Gude, Antonio Espua Camarasa,
Luis Puigjaner Corbella
Universitat Pompeu Fabra - GREL

Helena Ramalhinho Dias-Loureno, Daniel Serra de la Figuera, Rosa Colom, Juan Pablo
Soto, Francisco Silva, Jos Alvarez
Universidad Rey Juan Carlos

ngel Snchez Calle, Abraham Duarte Muoz, Felipe Fernndez Hernndez, Ana Beln
Moreno Daz, Antonio Sanz Montemayor, Juan Jos Pantrigo Fernndez, Jos F. Vlez
Serrano, Raquel Martnez Unanue, Vctor Fresno Fernndez, Mara Teresa Gonzlez de
Lena Alonso.
Universidad de Sevilla
Sebastin Lozano Segura, Gabriel Villa Caro, David Canca Ortiz, Ignacio Egua Salinas,
Fernando Guerrero Lpez, Jos Manuel Garca Snchez, Jess Racero Moreno, Ricardo
Galn de Vega
Universidad de Valencia
Rafael Mart, Vicente Campos, Ramn Alvarez-Valds, Angel Corbern, Enrique Benavent,
Enrique Mota, Enrique Crespo, Isaac Plana, Estefana Piana, Vicente Liern, Maria Jos
Cans.
5
Lneas de Investigacin
Universidad de Burgos 9
Problema de diseo de clusters
Planificacin de turnos de personal en un aeropuerto
Periodic Vehicle Routing Problem
Periodic Vehicle Loading Problem
Problema del Transporte Escolar
Seleccin de variables para clasificacin
Localizacin de recursos sanitarios
Universidad de Castilla la Mancha 16

Problema de Aprendizaje automtico de Redes bayesianas
Problema de Triangulacin/Compilacin de Redes bayesianas
Aprendizaje de Sistemas Basados en Reglas Difusas Descriptivas.
Bsqueda de la explicacin ms probable en redes Bayesianas.u
Universidad de Crdoba 20
Descubrimiento de Reglas de Prediccin
Problema de modelado mediante modelos lineales de base potencial
Universidad de Granada - SCI2S 22

Optimizacin Continua
Post-Procesamiento en Sistemas Difusos mediante Ajuste de Parmetros
Aprendizaje Automtico de Consultas Booleanas y Booleanas Extendidas para
Sistemas de Recuperacin de Informacin
Problema de Registrado de Imgenes
Reduccin de Datos: Seleccin de Instancias y Caractersticas
Aplicacin de Tcnicas de Inteligencia Artificial y Optimizacin Combinatoria a
Problemas de Regulacin Gentica
Universidad de Granada - MODO 29

Criterios de Parada Fuzzy
Anlisis, Desarrollo e Implementacin de Heursticas basadas en Conjuntos Difusos
Una Estrategia Cooperativa y Multi-hebra basada en Reglas Difusas para Resolver
Problemas de Optimizacin
Comparacin de Estructuras de Proteinas via Superposicin de Mapas de Contacto
Problema de Prediccin de Estructuras de Protenas en Modelos basados en
Reticulados
Universidad La Laguna 34
Problemas de Corte y Empaquetado
Aprendizaje Automtico
Problema de Planificacin de Redes pticas WDM
Planificacin Logstica
Problema de Diseo de Redes Rpidas de Trnsito
6
Universidad de Mlaga 39
Problema de Diseo de Circuitos Lgicos Combinacionales
Problema de Planificacin de Tareas con Mnima Espera
Problema de la Identificacin de Parmetros de Sonidos Modulados en Frecuencia
Problema del Ajuste de Polinomios
Problema de la Resolucin de Sistemas de Ecuaciones Lineales
Problema de Asignacin de Terminales a Concentradores
Problema de Localizacin de Antenas en el Diseo de una Red por Radio
Problema de Diseo de Cdigos Correctores de Errores
Problema de la Particin de Nmeros
Problema de Gestin de la Localizacin en Redes de Computacin Mviles
Problema de Testeo de Software
Optimizacin del Protocolo de Broadcasting en MANETs
Ensamblado de Fragmentos de ADN
Multiobjective Programming using Metaheuristics
Universidad de Oviedo 54
Boosting de bases de reglas borrosas
El problema del desensamblaje (y otros de logstica inversa)
El problema del testado de software
Problemas de Tecnologa de Grupos y fabricacin celular
Universidad del Pas Vasco 58

Problema de Seleccin de Variables
Problema de Clasificacin no Supervisada
Problema del Agente Viajero
Problema de Aprendizaje Estructural de Redes Bayesianas
Problema de Testeo de Software
Estudio Terico de Algoritmos de Computacin Evolutiva
Problema del macheo inexacto de grafos
Plegamiento y modelado de protenas
Universidad Politcnica de Catalunya UPC-EIO 66

Problema de p-Mediana con restricciones de capacidad
Problema de Asignacin Generalizada
Problema de Localizacin de Plantas con restricciones de capacidad y fuente nica
Universidad Politcnica de Valencia 69

Problema de equilibrado de lneas
Secuenciacin con setups.
Universitat Pompeu Fabra de Catalua 71

Distribution Management Problem
Logistics Problems
Scheduling Problems
Universidad Rey Juan Carlos 74

Problema de la diversidad mxima
Problema del corte mximo sobre un grafo
Software Pipelinng con recursos limitados
Segmentacin de Imgenes
7
Universidad de Sevilla 74
Diseo de sistemas de fabricacin
Secuenciacin conjunta de la fabricacin y entrega de pedidos
Diseo y secuenciacin de sistemas de desmontaje
Problemas de optimizacin combinatoria
Universitat de Valncia 78
Problema de Rutas de Vehculos con Capacidades (CVRP)
Problema del Cartero Rural con Viento (WRP)
Problema de minimizacin del ancho de banda en matrices
Problema de la Carga del Pallet (Pallet Loading Problem)
Problema de corte bidimensional no-guillotina
Entrenamiento de Redes Neuronales
Dibujo de Grafos
Otros Grupos 85
Problema del Agente Viajero
Simulacin para la programacin de oleoductos multiproducto
Localizacin de instalaciones
Meta-Heursticas Hbridas de Optimizacin Multi-objetivo
8
TTULO: Problema de diseo de clusters
GRUPO: Universidad de Burgos
Descripcin
Sea X = {x1. x2..... xN} un conjunto de N puntos en Rq y m nmero entero positivo predeterminado. el
problema de diseo de clusters con el criterio de mnima suma de cuadrados (MSSC, Minimun Sum-of-Squares
Clustering) consiste en encontrar una particin de X en m subconjuntos disjuntos (clusters) de forma que la
suma de las distancias eucldeas al cuadrado de cada punto al centroide de su cluster sea mnima.
Ms concretamente, sea Pm el conjunto de todas las particiones de X en m conjuntos; cada particin P Pm

viene definida de la forma P = (C1. C2.... Cm), donde Ci denota cada uno de los clusters que forman P; entonces el
problema puede formularse como sigue:
m 2
min xl x i
P Pm
i =1 xl Ci
donde el centroide x i se define como:

1
xi =
ni

xl Ci
xl ; para i =1 .....m.
siendo ni = |Ci|.
Complejidad
NP-difcil
Aplicaciones
Anlisis de Datos (Reconocimiento de Patrones) Ciencias Sociales, Econmicas y Naturales.
Mtodos aplicados
Heursticos
Tabu Search
Path Relinking
Scatter Search
GRASP
Memeticos
Artculos realizados
Pacheco,J. y O.Valencia Anlisis de nuevos mtodos de clasificacin. Un ejemplo ilustrativo de su uso

en la agrupacin de los municipios de Castilla y Len, Estudios de Economa Aplicada, 23-3, pp. 711
(2005)
Pacheco,J. A Scatter Search Approach for the Minimum Sum-of-Squares Clustering Problem in
Computers & Operations Research, 32, pp. 1325-1335 (2005)
Pacheco,J and O.Valencia Design of Hybrids for the Minimum Sum-of-Squares Clustering Problem.
Computational Statistics and Data Analysis, vol 43, 2, pg 235-248. (2003).
Beltrn,M. y J. Pacheco Nuevos mtodos para el diseo de cluster no jerrquico. Una aplicacin a los
municipios de Castilla y Len. Estadstica Espaola. Instituto Nacional de Estadstica. Vol. 43, n 148,
pgs. 209-224, (2001)
9
TTULO: Planificacin de turnos de personal en un aeropuerto.
Descripcin
En este trabajo se quieren conseguir dos objetivos: racionalizar los costes de personal en el aeropuerto,-
concretamente personal en controles de seguridad y mostradores de facturacin- y ofrecer un servicio de calidad,
es decir, obtener unos niveles de fluidez mnimos en el trnsito de los pasajeros.
Para ello se desarrolla un sistema que genera diversas soluciones, facilitando la toma de decisiones. Para cada
nivel de servicio mnimo prefijado este sistema realiza los siguientes pasos:
1. Ejecucin de la optimizacin de simulaciones para determinar los requerimientos de personal en cada
punto (facturacin y controles de seguridad) que permiten obtener la fluidez mnima que se quiere
conseguir.
2. A partir de los requerimientos obtenidos en la etapa anterior se resuelve el problema de programacin de
turnos correspondiente a cada punto, teniendo en cuenta los posibles conjuntos de turnos establecidos para
los diferentes tipos de trabajadores (personal de facturacin y seguridad).
Con este sistema se valora el coste de personal que se tiene ante distintos niveles de servicio ofrecidos y
viceversa, es decir, se ve que nivel de servicio se puede ofrecer con un presupuesto de personal dado.
Complejidad
NP-difcil
Aplicaciones
Resolucin del problema en un aeropuerto
Mtodos aplicados
Heursticos
GRASP
Temple Simulado
Tabu Search
Path Relinking
Algoritmos genticos
Algoritmos memticos
Scatter Search
Variable Neighborhood Search
Artculos realizados
Casado, S., Pacheco J. y Laguna, M. Diseo de un sistema para la resolucin del problema de programacin de
turnos en un aeropuerto, aparecer en Estudios de Economa Aplicada.
Casado, S., Laguna, M. y Pacheco J. Heuristical Labor Scheduling to Optimize Airport Passenger Flows,
Journal of Operations Research Society, 56, pp. 649-658 (2005)
Casado, S. y Pacheco J. Estudio comparativo de diferentes estrategias metaheursticas para la resolucin del
Labor Scheduling Problem, en Estudios de Economa Aplicada, vol. 21-3, pgs. 537-557. (2003)
10
TTULO: Periodic Vehicle Routing Problem
Descripcin
El caso del Periodic Vehicle Routing Problem (PVRP) que se estudia se define mediante un
horizonte temporal de nd das y un conjunto de np pedidos que deben ser recogidos en
diferentes puntos durante dicho horizonte temporal. Cada pedido i lleva asignado una
frecuencia (n de veces que debe ser recogido) y un conjunto i ={Ci1, Ci 2,..., C i ni } de
posible de calendarios o combinaciones posibles de das de recogida. Se trata de decidir qu
calendario se debe elegir para recoger cada pedido, y, cada da, en qu orden se deben
recoger los pedidos de forma que el coste total de transporte (distancia recorrida), sea
mnima.
Complejidad
NP-hard
Aplicaciones
Obviamente logsticas (empresas fabricantes de componentes,...)
Mtodos aplicados
Heursticos
Tabu Search
Memticos
GRASP
Cadenas de movimientos.
Path Relinking
Scatter Search
Artculos realizados
Alegre A., Laguna M. and Pacheco J. Optimizing the Periodic Pick-up of Raw Materials for a Manufacturer of
Auto Parts To appear in European Journal of Operational Research
Alegre,A., Casado,S. y Delgado,C. Diseo de calendarios para transporte de componentes de automviles.

Soluciones heursticasen Estudios de Economa Aplicada, Vol. 20-2, pp. 301-316, (2002)
11
TTULO: Periodic Vehicle Loading Problem
Descripcin
El Periodic Vehicle Loading Problem (PVLP) se define mediante un horizonte temporal de
nd, un conjunto de np pedidos de componentes que deben ser cargados en los camiones de
los clientes, y ns el nmero de intervalos horarios o slots en que se divide cada da durante
dicho horizonte temporal. Cada pedido i lleva asignado una frecuencia (n de veces que debe
ser entredo) y un conjunto i ={Ci1, Ci 2,..., C i ni } de posible de calendarios o combinaciones
posibles de das de recogida. Se trata de decidir qu calendario se debe elegir para entregar
cada pedido, y, cada da, en qu intervalo horario o slot se deben entregar los pedidos de
nd

forma que el nmero total de contratos de carretilleros, max q (i ) , sea mnimo,
d =1 r =1..ns iP( d , r )
donde q(i) es la cantidad de pallets de que consta el pedido i, y P(d,r) son los pedidos que se
recogen el da d en el slot r.
Complejidad
NP-hard
Aplicaciones
Obviamente logsticas (empresas fabricantes de componentes,... )
Mtodos aplicados
Heursticos
Tabu Search
Memticos
GRASP
Cadenas de movimientos.
Scatter Search
Artculos realizados
Delgado, C., M. Laguna and J. Pacheco (2003) Minimizing Labor Requirements in a Periodic Vehicle Loading
Problem Computational Optimization and Applications, 32, 3, pp. 299-320 (2005)
Delgado, C., Casado, S. y Alegre,J, Problema de contratacin de carretilleros para un almacn de productos
manufacturados SORT Statistics and Operations Research Transactions, vol. 26, 3, pp. 537-559, (2002)
12
TTULO: Problema del Transporte Escolar
Descripcin
Se trata de recoger a una serie de alumnos distribuidos en distintas localidades de la provincia de Burgos,
y trasladarlos a su correspondiente centro de enseanza. El objetivo ser doble; por una parte se disea un
conjunto de rutas con coste mnimo, verificando que se respeten los horarios de entrada a los centros, los
tiempos de permanencia de los escolares en el autobs, y que el nmero de alumnos transportados en cada
ruta no supere la capacidad del vehculo asignado a dicha ruta, siendo los alumnos de una misma
localidad transportados por el mismo vehculo (objetivo econmico). Por otra, se minimiza la duracin de
la ruta ms larga para cada uno de los 16 servicios de transporte en secundaria (objetivo social).
Complejidad
NP-difcil
Aplicaciones
Transporte de personas y transporte de mercancas.
Mtodos aplicados
GRASP
Tabu Search
Heuristic Concentration
Bsqueda Local
Bsqueda Local Rpida
Path Relinking
Artculos realizados
Pacheco, J. y R. Marti Tabu Search for a Multi-Objective Routing Problem, Journal of Operations Research
Society, 57, pp. 29-37 (2006)
Delgado, C. y J. Pacheco "Minmax Vehicle Routing Problems: Application to School Transport in the Province
of Burgos (Spain)". Lecture Notes in Economics and Mathematical Systems. Springer, Berlin, n 505, pag. 297-
318, (2001).
Pacheco J.A. y C. R. Delgado. Uso de un Conjunto de Concentracin en Bsqueda Tab para Problemas
de Rutas. Rect@-Asepuma, n 3, pp. 49-87 Primer Semestre 2001.
Pacheco J.A., A. Aragn, C. R. Delgado. Diseo de Algoritmos para el problema del Transporte Escolar.
Aplicacin en la Provincia de Burgos. SORT Statistics and Operations Research Transactions, vol. 24,
1, pp. 55-82, (2000)
Pacheco J.A., C. R. Delgado. Resultados de Diferentes Experiencias con Bsqueda Local Aplicadas a
Problemas de Rutas. Rect@-Asepuma, Vol. 2 n 1, pp. 53-81 Primer Semestre 2000.
Pacheco J.A., C. R. Delgado. Diseo de Metaheursticos para problemas de Rutas con Flota heterognea:
Concentracin Heurstica. Estudios de Economa Aplicada. ASEPELT, n 14, pp. 137-151. 2000.
Pacheco J.A., C. R. Delgado. Diseo de Metaheursticos para problemas de Rutas con Flota heterognea:
GRASP. Cuadernos de Ciencias Empresariales. Universidad Complutense de Madrid, n 9, pp. 173-
192, (1999)
Pacheco J.A., C. R. Delgado. Problemas de rutas con Carga y Descarga simultnea: Diseo de filtros
para Algoritmos de Intercambio. Estudios de Economa Aplicada. ASEPELT, n 7, pg.79-100, (1997)
13
TTULO: Localizacin de recursos sanitarios
Descripcin
Se tratan dos modelos clsicos de localizacin: p-centros y Maximum Covering Location Problem
(MCLP). La descripcin de los modelos es la siguiente: considrese un conjunto de orgenes de una
determinada zona, cada una de ellos con una poblacin de demandantes de un determinado servicio o
facilidad y un conjunto de destinos donde colocar dichas facilidades. Se trata de colocar p facilidades
entre los destinos y asignar cada origen a una facilidad. (No se consideran restricciones de capacidad, por
tanto se asigna cada origen a su facilidad mas cercana).
Los objetivos difieren en cada modelo: en el problema de los p-centros hay que minimizar la mxima
distancia entre un cliente y su facilidad; en el MCLP hay que maximizar el conjunto de clientes que
pueden llegar a su facilidad en menos de un tiempo mximo preestablecido (tiempo crtico). Adems de
los dos modelos anteriores se trabaja con una versin estocstica del MCLP:
Complejidad
NP-difcil
Aplicaciones
Localizacin de recursos sanitarios en la provincia de Burgos
Mtodos aplicados
GRASP
Tabu Search
Path Relinking
VNS
Scatter Search
Artculos realizados
J. Pacheco and S. Casado, Solving two location models with few facilities by using a hybrid heuristic. A
real health resources case, Computers & Operations Research, 32, pp. 3075-3091 (2005)
J. Pacheco y S. Casado, Uso de Bsqueda Dispersa para problemas de localizacin. Aplicacin a

recursos sanitarios en la provincia de Burgos, Rect@, ASEPUMA, vol. 5, n 1, pgs. 83-107, (2004).
Artculos en evaluacin
J. Pacheco, A Alvarez, S. Casado and J. Alegre, Stochastic Model for Locating Health Resources: Heuristic
Solutions and a Real Case Application, en IEEE Intelligent Systems (4 versin Febrero de 2006)
14
TTULO: Seleccin de variables para clasificacin
Descripcin
El problema de seleccionar el subconjunto de variables con ms capacidad clasificatoria se puede

formular de la forma siguiente: Considrese V un conjunto de m variables, y A un conjunto de n casos.
Para cada caso se conoce adems la clase a la que pertenece.. Considrese adems un valor
predeterminado p N, p < m. Hay que encontrar el subconjunto S V, de tamao p con la mayor
capacidad clasificatoria.
Ms concretamente se esta trabajando con mtodos de seleccin de variables para su uso especfico en
Anlisis discriminante lineal clsico y en modelos de regresin logstica.
Complejidad
NP-difcil
Aplicaciones
Seleccin de ratios financieros para la prediccin de la quiebra empresarial
Mtodos aplicados
GRASP
Tabu Search
Path Relinking
VNS
Memeticos
Artculos en evaluacin
J. Pacheco, S. Casado y L. Nez Algoritmos memticos para seleccin de variables en el anlisis
discriminante, en Estadstica Espaola (2 versin Febrero de 2006)
J. Pacheco, S. Casado, L. Nez, and O. Gmez Analysis of New Variable Selection Methods for Discriminant
Analysis, en Computational Statistics and Data Analysis (2 versin Diciembre de 2005)
S. Casado, L. Nez, O. Gmez y J. Pacheco Prediccin de la insolvencia empresarial: uso de bsqueda tab
para seleccin de ratios explicativos, en Revista de Economa Aplicada (1 versin Agosto de 2005)
15
TTULO: Problema de Aprendizaje automtico de Redes bayesianas
GRUPO: Universidad de Castilla-La Mancha
Descripcin
El problema del aprendizaje de redes Bayesianas se puede definir como sigue: dado un conjunto de datos
D, encontrar un grafo dirigido acclico G que mejor represente el conjunto de dependencias
independencias presentes en los datos. Para solucionar este problema desde el punto de vista Bayesiano es
necesario calcular la probabilidad a posteriori de una red Bayesiana candidata dado el conjunto de datos
conocidos, esto es, P(G|D). Una vez que sabemos cmo calcular esta probabilidad, tendremos una medida
de adecuacin de cada grafo (red Bayesiana) a los datos de partida y por consiguiente podremos
comparar, para quedarnos con la mejor, entre distintas redes Bayesianas. De esta forma se puede plantear
el aprendizaje como un problema de optimizacin combinatoria.
Complejidad
NP-difcil
Aplicaciones
Prediccin, clasificacin, descripcin en dominios complejos.
Mtodos aplicados
Heursticos (Mtodos locales)
Sistemas de Colonias de Hormigas
GRASP
Artculos realizados
L. M. de Campos, J.M. Fernndez-Luna and J.M. Puerta . (2003). An Iterated Local Search Algorithm for
Learning Bayesian Networks with Restarts Based on Conditional Independence Tests. International Journal of
Intelligent Systems 18(3): pp 221235.
L. M. de Campos, J. A. Gmez and J. M. Puerta.(2002). Learning Bayesian Networks by Ant Colony

Optimisation: Searching in two Different Spaces . Mathware and Soft Computing IX(2-3):pp 251268.
L. M. de Campos, J.M. Fernndez-Luna and J.M. Puerta. (2002). Local Search Methods for Learning Bayesian
Networks Using a Modified Neighborhood in the Space of DAGs. Lecture Notes in Computer Science (LNAI
subseries 2527) (F.J Garijo, J.C. Riquelme and M. Toro (Eds)) Advances in Artificial Intelligence IBERAMIA
2002, pp:182192.
L. M. de Campos, J.M. Fernndez-Luna, J.A. Gmez and J.M. Puerta.(2002). Ant Colony Optimazation for
Learning Bayesian Networks. International Journal of Approximate Reasoning (31), pp: 291311.
Luis Miguel de Campos and Jos Miguel Puerta.(2001). Stochastic Local Algorithms for Learning Belief
Networks: Searching in the Space of Orderings. Lecture Notes in Computer Science (LNAI subseries 2143)
(S.Benferhat and P. Besnard Eds.) Symbolic and Quantitative Approaches to Reasoning with Uncertainty. pp:
228239.
En desarrollo
Algoritmos escalables de aprendizaje de redes bayesianas con un nmero elevado de variables y un gran
volumen de datos de entrada.
16
TTULO: Problema de Triangulacin/Compilacin de Redes bayesianas
Descripcin
En los procesos de razonamiento en redes Bayesianas, en la mayora de los casos, no se utiliza el grafo dirigido
acclico directamente sino que se utiliza una estructura auxiliar a la cual se transforma el grafo de partida, a este
proceso se le denomina compilacin de un red bayesiana y consiste en transformar un grafo dirigido acclico en
un rbol de grupos. Para realizar este proceso se necesita el paso intermedio de la triangulacin de un grafo
moral obtenido a partir del grafo dirigido de partida, este proceso es el ms costoso y del que depende en gran
medida la eficiencia de los procesos de inferencia posteriores. Un grafo no dirigido se dice que es triangular o
cordal si cualquier ciclo de longitud mayor que tres tiene un enlace cordal. Para triangular un grafo se parte de
una permutacin de los nodos y a partir de sta se sigue un proceso lineal para la triangulacin. El problema
realmente difcil es encontrar la permutacin ptima, por ejemplo, en el sentido de que se aada el menor
nmero de enlaces cordales para la triangulacin de un grafo.
Complejidad
NP-difcil
Aplicaciones
Tareas de Razonamiento en redes Bayesianas
Mtodos aplicados
Heursticos (Mtodos locales, Divide y vencers)
Sistemas de Colonias de Hormigas
Algoritmos genticos
Artculos realizados
Jos A. Gmez and Jos M. Puerta (2002) Searching for the best elimination sequence in Bayesian networks by
usisng ant colony optimization. Patter Recognition Letters 23. pp 261277.
M. Julia Flores and Jos A. Gmez (2003) Triangulation of Bayesian networks by retriangulation. International
Journal of Intelligent Systems 18. pp 153164.
M. Julia Flores, Jos A. Gmez and K. G. Olesen (2003) Incremental compilation of a Bayesian network. In
proceedings of the Fifteenth Conference of Uncertainty in Artificial Intelligence (UAI03).
En desarrollo
Compilacin incremental en lnea y tcnicas de retriangulacin basada en los subgrafos primos maximales.
17
TTULO: Aprendizaje de Sistemas Basados en Reglas Difusas Descriptivas.
Descripcin
En Minera de Datos es muy interesante la extraccin a partir de datos de modelos comprensibles y precisos a la
hora de realizar predicciones. Los sistemas basados en reglas difusas lingsticas o descriptivas reunen estos dos
requisitos por lo constituyen un interesante paradigma para la Minera de Datos. Recientemente se ha planteado
una metodologa (COR) que define este el problema de la obtencin de estos sistemas a partir de datos como un
problema de optimizacin combinatoria.
Dado un conjunto de variables o atributos {X1,...,Xn}, una variable objetivo o de prediccin Y, y un conjunto de
etiquetas lingsticas L(Xi) = {li1,...,liji}asociado a cada variable, el problema consiste en obtener el conjunto de
reglas
R = { X1 es l1k1 Y ..... Y Xn es lnkn ENTONCES Y es lyky}
Que mejor describa el comportamiento observado por los datos. El espacio de bsqueda viene dado por el
producto cartesiano de los conjuntos de etiquetas lingsticas asociado a cada variable del problema, el cual suele
aumentarse con una componente nula que indica que dicha regla no es considerada. Una dificultad adicional
reside en el hecho de que la evaluacin de cada individuo es muy costosa, puesto que requiere su codificacin
como un sistema de reglas difusas y su ejecucin sobre un fichero de datos de test para evaluar el error cometido.
Complejidad
NP-difcil
Aplicaciones
Minera de datos, sistemas expertos, regresin,...
Mtodos aplicados
Algoritmos genticos
Algoritmos de estimacin de distribuciones
Artculos realizados
Julia Flores y Jos A. Gmez (2002). Applicability of Estimation of Distribution Algorithms to the Fuzzy Rule
Learning problem: A preliminary study. In Proceedings of the 4th International Conference On Enterprise
Information Systems (ICEIS'02). Pginas, 350-357.
Julia Flores y Jos A. Gmez (2002). Aplicabilidad de los algoritmos de estimacin de distribuciones al
problema del aprendizaje de SBRDs: Un estudio preliminar. En actas del Primer Congreso Espaol de
Algoritmos Evolutivos y Bioinspirados (AEB'02), pginas 191--198. Mrida.
En desarrollo
Actualmente estamos trabajando en la restriccin del espacio de bsqueda mediante el uso de conocimiento
especfico del dominio, as como en la introduccin de pesos. En ambos casos nos centramos en la aplicacin de
algoritmos de estimacin de distribuciones.
18
TTULO: Bsqueda de la explicacin ms probable en redes Bayesianas.
Descripcin
Sea G=(V,,P) una red Bayesiana, con V el conjunto de variables proposicionales en la red, el conjunto de
arcos en el grafo dirigido, y P el conjunto de tablas de probabilidad asociadas a las variables. Dado un
subconjunto E de A, y una configuracin de valores e para E, a la que llamaremos evidencia, el problema de la
bsqueda de la explicacin ms probable (MPE) consiste en encontrar la configuracin x* de X=V-E tal que
Un caso ms general consiste en encontrar la explicacin ms probable para un subconjunto A de X, llamado

conjunto explicacin. Este problema es conocido como la bsqueda de una explicacin parcial o MAP y es ms
difcil de resolver que el caso total o MPE. Formalmente,
En general, el objetivo es encontrar las k explicaciones o configuraciones ms probables y no slo la primera. La
principal complicacin de este problema viene dado por el hecho de que la evaluacin de un individuo requiere
una propagacin probabilstica, que es a su vez un problema NP-difcil.
Complejidad
NP-difcil
Aplicaciones
Diagnstico, bsqueda de configuraciones con mxima probabilidad, extraccin de perfiles.
Mtodos aplicados
Algoritmos genticos (generales y con operadores especficos)
Simulated Annealing
Algoritmos de estimacin de distribuciones
Artculos realizados
Luis M. de Campos, Jos A. Gmez, Serafn Moral (2002). Partial abductive inference in Bayesian belief
networks -- An evolutionary computation approach by using problem-specific genetic operators. IEEE
Transactions on Evolutionary Computation, Vol. 6, pp. 105--131.
Luis M. de Campos, Jos A. Gmez, Serafn Moral (2001) . Partial abductive inference in Bayesian Networks by
Simulated Annealing. International Journal of Approximate Reasoning, Vol. 27, pp. 261-277.
Luis M. de Campos, Jos A. Gmez, Serafn Moral (1999). Partial abductive inference in Bayesian belief
networks using a genetic algorithm. Pattern Recognition Letters, Vol. 20, pp. 1211-1217.
Luis M. de Campos, Jos A. Gmez, Pedro Larraaga, Serafn Moral, Txomin Romero (2001). Partial abductive
inference in Bayesian Networks: An empirical comparison between GAs and EDAs. In Estimation of
Distribution Algorithms: A new tool for evolutionary computation. (Eds. Larraaga, Lozano). Pp. 319-338.
Kluwer Academic Publishers.
En desarrollo
Actualmente estamos trabajando en seleccin automtica del conjunto explicacin..
19
TTULO: Descubrimiento de Reglas de Prediccin
GRUPO: Universidad de Crdoba
Descripcin
El descubrimiento de reglas de prediccin o reglas generalizadas tiene como cuyo objetivo el descubrimiento de
relaciones de dependencia importantes entre los datos y que se pueden utilizar para la posterior toma de
decisiones, presentan el siguiente formato:
SI (Cond1 Y Condi Y Condm) ENTONCES Pred
donde cada condicin Condi y la prediccin de la regla Pred estn formados por una tripleta: (Atributo,
Operador, Valor). Este tipo de reglas muestra la relacin existente entre el antecedente, que contiene las
condiciones sobre los valores de los atributos predictores, y el consecuente, que contiene la prediccin sobre el
valor del atributo objetivo.
Complejidad
NP-difcil
Aplicaciones
Descubrimiento de patrones. Descubrimiento de reglas para su utilizacin en procesos de tomas de decisiones.
Prediccin de valores en minera de datos.
Mtodos aplicados
Algoritmos Genticos
Programacin Gentica basada en gramticas
Algoritmos de construccin de rboles de decisin.
Algoritmos de descubrimiento de reglas de asociacin.
Artculos realizados
C. Romero, S. Ventura, C. De Castro, W. Hall, M. Hong. Using Genetic Algorithms for Data Mining in Web-
based Educational Hypermedia Systems. Adaptive Hypermedia 2002. AH2002 Workshop on Adaptive
Systems for Web-based Education. 137-142. Mlaga. 2002.
C. Romero, S. Ventura , P. de Bra, C. de Castro. Using Knowledge Levels with AHA! For Discovering
Interesting Relationship. E-Learn 02. World Conference on E-Learning in Corporate, Government, Healthcare,
& Higher Education. 2721-2722. Montreal. 2002.
C. Romero, S. Ventura, C. de Castro, P. De Bra. Discovering Prediction Rules in AHA! Courses. LNAI 2702
User Modeling03. pp 25-34. 2003.
En desarrollo
Actualmente estamos trabajando en medidas de evaluacin tanto objetivas como subjetivas de la calidad de las
reglas, teniendo en cuenta varios factores deseables en la reglas como son el inters, la precisin, la
comprensibilidad, etc. utilizando para ello enfoques de optimizacin
20
TTULO: Problema de modelado mediante modelos lineales de base potencial
GRUPO: Universidad de Crdoba
Descripcin
El tipo de funcin con el que trabajaremos es el siguiente:
(0)
f : A RN R
N w
(0)
N (1)
f ( x1 , x2 ,..., xN ( 0 ) ) = w j xi ji (1)
j =1 i =1
donde w j [ M , M ] R, w ji [ L, L ] R, i = 1, 2,..., N (0) , j = 1, 2,..., N (1) y el dominio de definicin
de f es {
A = ( x1 , x2 ,..., xN ( 0) ) R N
( 0)
}
: 0 < xi K . En el caso ms sencillo, con dos variables
independientes, la funcin definida en (1), vendra dada por:
N (1)
f ( x1 , x2 ) = w j x1 j1 x2 j 2
w w
(2)
j =1
Complejidad
NP-difcil, tanto en la bsqueda de la topologa de la red como una vez obtenida la topologa la estimacin de
parmetros
Aplicaciones
Modelos de crecimiento microbiano (control de calidad alimentaria). Modelos de predicccin de
concentraciones de
Mtodos aplicados
Algoritmos de poda
Algoritmos genticos con codificacin real
Programacin evolutiva
Algoritmos memticos
Artculos realizados
C. Martnez Estudillo; F. J. Martnez Estudillo; N. Garca Pedradas; C. Hervs Martnez, R. M Garca Modelado de
sistemas de crecimiento microbiano mediante redes de regresin evolutivas
Tipo de participacin: Comunicacin. Congreso: Segundo Congreso Espaol de Metaheursticas y Algoritmos Genticos y
Bioinspirados MAEB03
C. Martnez-Estudillo, F. J. Martnez-Estudillo, N. Garca-Pedrajas, C. Hervs-Martnez; Modelado de sistemas
mediante modelos hbridos de redes neuronales y computacin evolutiva
Tipo de participacin: Comunicacin. Congreso: VIII Iberoamerican Conference on Atificial Intelligence (Iberamia 2002).
Workshop de minera de datos y aprendizaje
C. Martnez-Estudillo, F. J. Martnez-EstudilloC. ; Hervs-Martnez; N. Garca-Pedrajas, Model fitting by evolutionary
computation using product units Neural Networks. Diciembre 2003 (enviado y en proceso de revisin)
En desarrollo
Actualmente estamos trabajando en un algoritmo que modele, sumandos lineales de base sigmoide con sumando
lineales de base potencial. Tambin estamos aplicando algoritmos memticos en la ltima generacin y en
generaciones intermedias.
21
TTULO: Optimizacin Continua
GRUPO: SCI2S - Universidad de Granada
Descripcin
El problema de optimizacin continua que abordamos consiste en encontrar el mnimo (mximo) de la funcin:
f : R1 R2 L Rn
[ ]
donde Ri = ai , bi , ai , bi .
Este es un problema de optimizacin que involucra parmetros continuos pertenecientes a un intervalo real.
Complejidad
La complejidad de estos problemas suele ser muy elevada, ya que a su alta dimensionalidad se une la existencia
de dependencias no lineales entre los parmetros continuos involucrados.
Aplicaciones
Muchos problemas del mundo real se formulan como problemas de optimizacin que involucran parmetros
continuos. Podemos encontrar ejemplos de estos problemas en campos tan diversos como la ingeniera, la
economa, la industria, la aviacin, la qumica, etc.
Mtodos aplicados
Algoritmos evolutivos. Entre ellos, hemos puesto especial inters en la aplicacin y desarrollo de algoritmos
genticos con codificacin real, algoritmos memticos con codificacin real y tcnicas de bsqueda dispersa.
Artculos realizados
F. Herrera, M. Lozano. Adaptive Genetic Algorithms Based on Coevolution with Fuzzy Behaviours. IEEE
Transactions on Evolutionary Computation 5:2 (2001) 149-165.
F. Herrera, M. Lozano, A.M. Snchez. A Taxonomy for the Crossover Operator for Real-Coded Genetic
Algorithms: An Experimental Study. International Journal of Intelligent Systems 18 (2003) 309-338.
F. Herrera, M. Lozano, A.M. Snchez. Hybrid Crossover Operators for Real-Coded Genetic Algorithms: An
Experimental Study. Soft Computing, 2003. En prensa.
M. Lozano, F. Herrera, N. Krasnogor, D. Molina. Real-Coded Memetic Algorithms with Crossover Hill-
Climbing. Evolutionary Computation, 2003. En prensa.
En desarrollo
Actualmente estamos investigando en los siguientes campos:
1. Estudio de tcnicas no evolutivas para la optimizacin continua, como la bsqueda tab continua,
enfriamiento simulado continuo, y tcnicas de bsqueda local continuas (Quasi-Newton, Solis-Wets,
Simplex, etc.). Nuestro objetivo es analizar el comportamiento de estos modelos sobre distintos
problemas de prueba, comprobar su eficacia frente a los algoritmos genticos con codificacin real y la
bsqueda dispersa, y finalmente proponer hibridaciones entre ellos.
2. Analizar distintas tcnicas que favorecen la diversidad para mejorar el comportamiento de los
algoritmos evolutivos que trabajan con codificacin real.
22
TTULO: Post-Procesamiento en Sistemas Difusos mediante Ajuste de Parmetros
Descripcin
El ajuste de parmetros en sistemas difusos es un problema de optimizacin continua que consiste en encontrar
el conjunto de parmetros que definen el sistema difuso de forma que se maximice el rendimiento global del
sistema. En un sistema difuso esto se puede conseguir de distintas formas, a continuacin mostramos de
aproximaciones en las que hemos trabajado para la mejora del comportamiento de los sistemas difusos, el ajuste
de funciones de pertenencia, el aprendizaje de pesos asociados a reglas difusas y el uso de defuzzificadores
adaptativos.
1) El ajuste de las funciones de pertenencia consiste en un ajuste de la semntica del controlador difuso
mediante la modificacin de los componentes de la base de datos (compuesta por las definiciones de las
funciones de pertenencia de las etiquetas lingsticas). Este enfoque nos permite realizar un ajuste de
parmetros global (a nivel de la base de datos).
T T' T
T'
0<<1
T''
>1
a a' b b' c' c
Ajuste de parmetros lineales Ajuste de parmetros no lineales
2) El uso de pesos wi en las reglas difusas consiste en emplear uno o varios parmetros adicionales en cada
regla con objeto de dotar al sistema de ms grados de libertad para mejorar el razonamiento interpolativo
que desarrolla y, por ende, el rendimiento del modelo. Cuando se usa un nico peso con valores entre cero
y uno y, se aplica a nivel de regla, se puede interpretar como un factor de importancia asociado a dicha
regla. Para ello, el razonamiento difuso es extendido mediante el uso del centro de gravedad Pi ponderado
por el grado de emparejamiento mi y por el peso de la regla:
y0 =
m w P
i i i i
m w
i i i
De esta manera, el aprendizaje de pesos consiste en determinar los pesos asociados a un conjunto de
reglas de manera que maximicen el comportamiento global del sistema. Este enfoque nos permite realizar
un ajuste de parmetros global a nivel de la base de reglas.
3) El uso de defuzzificadores adaptativos se basa en la aplicacin de un operador de defuzzificacin

paramtrico que modifica el grado de emparejamiento de las reglas dependiendo de un factor i asociado a
las mismas. Su objetivo es aumentar la precisin del sistema mejorando la cooperacin de las reglas en el
interfaz de defuzzificacin. Esta forma de actuar es cercana al uso de pesos. De esta manera, el problema
consiste en determinar los parmetros i que modifican el grado de emparejamiento de las reglas
maximizando el comportamiento global del sistema. Este enfoque nos permite realizar un ajuste de
parmetros global a nivel de la base de reglas.
Complejidad
La complejidad de estos problemas suele ser muy elevada, ya que a su alta dimensionalidad se une la existencia
de dependencias no lineales entre los parmetros continuos involucrados.
Aplicaciones
Modelos de regresin sobre datos, clasificacin y control difuso de sistemas.
Mtodos aplicados
23
Algoritmos evolutivos.
Artculos realizados
R. Alcala, J. Casillas, J.L. Castro, A. Gonzlez, F. Herrera (2001), A Multicriteria Genetic Tuning for Fuzzy
Logic Controllers, Mathware and Soft Computing, Vol. VIII:2, pp. 179-201.
O. Cordn, F. Herrera, L. Magdalena, P. Villar (2001), A Genetic Learning Process for the Scaling Factors,
Granularity and Contexts of the Fuzzy Rule-Based System Data Base, Information Science, Vol. 136, pp. 85-
107.
O. Cordn, F. Herrera (2001), Hybridizing Genetic Algorithms with Sharing Scheme and Evolution Strategies
for Designing Approximate Fuzzy Rule-Based Systems, Fuzzy Sets and Systems, Vol. 118:2, pp. 235-255
R. Alcal, J.M. Bentez, J. Casillas, O. Cordn, R. Prez (2003), Fuzzy Control HVAC Systems Optimized by
Genetic Algorithms, Applied Intelligence, Vol. 18:2, pp. 155-174.
R. Alcal, J.R. Cano, O. Cordn, F. Herrera, P. Villar, I. Zwir (2003), Linguistic Modeling with Hierarchical
Systems of Weighted Linguistic Rules, International Journal of Approximate Reasoning, Vol. 32:2-3, pp. 187-
215.
R. Alcal, J. Casillas, O. Cordn, F. Herrera (2003), Linguistic Modeling with Weighted Double-
Consequent Fuzzy Rule Based on Cooperative Coevolutionary Learning, Integrated Computer Aided
Engineering (ICAE) 10 (4): 343-355 2003.
R. Alcal, J.R. Cano, O. Cordn, F. Herrera, P. Villar, I. Zwir (2003), Linguistic Modeling with Hierarchical
Systems of Weighted Linguistic Rules, International Journal of Approximate Reasoning, vol. 32:2-3, pp. 187-
215.
J. Casillas, O. Cordn, M.J. del Jess, F. Herrera (2003), Genetic tuning of fuzzy rule deep structures preserving
interpretability for linguistic modelling, IEEE Trans. on Fuzzy Systems, por aparecer.
O. Cordn, F. Herrera, F.A. Mrquez, A. Peregrin (2003), A Study on the Evolutionary Adaptive
Defuzzification Methods in Fuzzy Modelling, International Journal of Hybrid Intelligent Systems, por aparecer.
R. Alcal, J. Casillas, O. Cordn, A. Gonzlez, F. Herrera (2003), A Genetic Weighted Rule Derivation and
Rule Selection Process for Fuzzy Control of HVAC Systems, Engineering Applications of Artificial Intelligence,
por aparecer.
En desarrollo
Actualmente estamos trabajando en un algoritmo gentico para realizar un ajuste lateral de funciones de
pertenencia. A su vez, estamos trabajando en la hibridacin de distintos modelos de ajuste a nivel de la base de
datos y de la base de reglas, como mejora de modelos simples en busca de un equilibrio entre interpretabilidad y
precisin. Por otro lado, tambin se est trabajando en el aprendizaje y ajuste de sistemas TSK (ajuste de
parmetros de las funciones de pertenencia y de los coeficientes de los consecuentes).
24
TTULO: Aprendizaje Automtico de Consultas Booleanas y Booleanas
Extendidas para Sistemas de Recuperacin de Informacin
GRUPO: SCI2S Universidad de Granada
Descripcin
Los sistemas de recuperacin de informacin (SRI) son una clase de sistemas de informacin que
tratan con bases de datos compuestas por documentos y procesan las consultas de los usuarios
permitindoles acceder a la informacin relevante en un intervalo de tiempo apropiado. Un SRI permite la
recuperacin de la informacin, previamente almacenada, por medio de la realizacin de una serie de
consultas (queries) a los documentos contenidos en la base de datos.
Existen varios modelos de RI, el Booleano, el Vectorial, el Probabilstico y el Booleano Extendido.

Los ms complejos son el Booleano y el Booleano extendido. Esto se debe por un lado a la representacin
de las consultas en forma de rbol y por otro lado a la dificultad con la que se encuentra el usuario a la
hora de tener que formular una consulta, puesto que su lenguaje de consulta, basado en la construccin de
consultas compuestas de sentencias con trminos unidos mediante los operadores Booleanos Y y O (que
pueden negarse mediante el operador de negacin NO), es bastante complejo.
Nuestro trabajo se centra en el desarrollo de diferentes aproximaciones para ayudar al usuario en el

proceso de formulacin de consultas. Concretamente, se basan en el aprendizaje automtico de consultas
Booleanas (extendidas o no) que describan adecuadamente las necesidades del usuario a partir de un
conjunto inicial de documentos (relevantes y no relevantes) proporcionados por el propio usuario. La
funcion objetivo incluye dos criterios clsicos, precisin y exhaustividad, que pueden ser combinados
mediante un esquema de pesos o utilizando un enfoque multiobjetivo
Mtodos Aplicados
Genetic Programming, Simulated Annealing and Programming
Multiobjective Genetic Programming, Niching Genetic Algorithm and Programming
Artculos realizados
Cordn, O., Moya, F., Zarco, C., A GA-P Algorithm to Automatically Formulate Extended Boolean
Queries for a Fuzzy Information Retrieval System., Mathware & Soft Computing, 7(2-3), pp. 309-322,
2000.
Cordn, O., Moya, F., and Zarco, C., A New Evolutionary Algorithm Combining Simulated
Annealing and Genetic Programming for Relevance Feedback in Fuzzy Information Retrieval Systems,
Soft Computing, 6(5), pp. 308-319, 2002.
Cordn, O, Herrera-Viedma, E., Lpez-Pujalte, C., Luque, M. and Zarco, C.. A Review on the
Applications of Evolutionary Computation to Information Retrieval. International Journal of of
Approximate Reasoning 34:2-3 (2003) 241-264.
Cordn, O. Moya, F., Zarco, C., Automatic Learning of Multiple Extended Boolean Queries by
Multiobjective GA-P Algorithms. Fuzzy Logic and the Internet, eds. Loia, V., Nikravesh, M., and Zadeh,
L. A. Springer, 2003.
Cordn, O., Herrera-Viedma, E., and Luque, M., Evolutionary Learning of Boolean Queries by
Multiobjective Genetic Programming, Proceedings of PPSN-VII. LNCS, 2439 , pp. 710-719, 2002.
Cordn, O., Herrera-Viedma, E., Luque, M. Moya, F., and Zarco, C., Analyzing the Performance of a
Multiobjective GA-P Algorithm for Learning Fuzzy Queries in a Machine Learning Enviroment,
Proceedings of the International Fuzzy Systems Association World Congress (IFSA2003). LNAI , pp.
611-615, 2003.
En desarrollo
Incorporacin de una metodologa de entrenamiento y prueba y de algoritmos evolutivos
multiobjetivo a los mtodos de aprendizaje automtico desarrollados previamente.
25
TTULO: Problema de Registrado de Imgenes
Descripcin
Se define la aplicacin de registrado entre dos imgenes (I1, I2) como una aplicacin que pone en
correspondencia dichas imgenes. En nuestro caso, consideramos que existe una transformacin espacial f
implcita entre ambas:
I2 (x,y,z) = I1 ( f (x,y,z) )
donde f representa una transformacin de similitud, esto es: rotacin, traslacin y cambio de escala uniforme (u
homotecia). Por tanto, buscamos los parmetros que definen estas transformaciones y que minimicen el error
cometido al aplicar f sobre los pxeles de I1 y medir distancias con respecto a I2. Pese a que la solucin final al
problema consiste en los valores apropiados para los parmetros que definen f, hay, al menos, dos enfoques que
pueden considerarse para resolverlo, trabajando cada uno en un espacio de bsqueda diferente:
Bsqueda de la mejor correspondencia entre los puntos de ambas imgenes dentro del espacio de
emparejamientos posibles y, a partir de ella, identificar los parmetros de la transformacin asociada.
Bsqueda directa en el espacio de parmetros, calculando los emparejamientos tras aplicar f.
Complejidad
NP-difcil. Si la bsqueda es en el espacio de correspondencias, el tamao del espacio de bsqueda es N!
Aplicaciones
Reconocimiento de objetos, medicina, teledeteccin, visin artificial, etc.
Mtodos aplicados
Espacio de correspondencias: Bsqueda Local clsica, ILS, SS.
Espacio de parmetros: AGs (con codificacin binaria y real), CHC (codificacin binaria y real), SS.
Algoritmos clsicos del rea de visin.
Artculos realizados
Cordn, O., Damas, S., (2006), Image registration with iterated local search. Journal of Heuristics 12:1-2, pp.
73-94.
Cordn, O., Damas, S., Santamara, J., (2006), Feature-based image registration by means of the CHC
evolutionary algorithm. Image and Vision Computing 24:5, pp. 525-533.
Cordn, O., Damas, S., Santamara, J., (2006), A fast and accurate approach for 3D image registration using
the scatter search evolutionary algorithm. Pattern Recognition Letters 27:11, pp. 1191-1200.
Santamara, J., Cordn, O., Damas, Alemn, I., Botella, M., (2006), A Scatter Search-based technique for
pair-wise 3D range image registration in forensic anthropology, Soft Computing (En prensa).
Cordn, O., Damas, S., Santamara, J., (2005), A Scatter Search-based Optimizer for the Registration of 3D
Surfaces. Proc. IEEE Congress on Evolutionary Computation (CEC 2005), Edinburgh, pp. 2738-2744.
Cordn, O., Damas, S., y Santamara, J., (2006), A practical review on the applicability of different
evolutionary algorithms to 3D feature-based image registration. En Cagnoni, S., Lutton, E., y Olague, G.,
editores, Genetic and Evolutionary Computation for Image Processing and Analysis, EURASIP Book Series
on SP&C, Hindawi Publishing Corporation (En prensa).
En desarrollo
Sistema automtico para la superposicin de fotografas de personas desaparecidas con modelos 3D de
crneos hallados para la ayuda en la identificacin forense.
Aplicacin de nuevas metaheursticas (ACO) al problema de registrado 3D
Desarrollo de nuevos modelos basados en metaheursticas para el registrado 2D-3D
26
TTULO: Reduccin de Datos: Seleccin de Instancias y Caractersticas
Descripcin
Dado un conjunto de datos D compuesto por m instancias etiquetadas xp = (xp1, xp2,, xpn), p=1,2, .., m, con xp
perteneciente a una clase c dada y en un espacio n-dimensional, donde xpi sera el valor de la i-sima
caracterstica de la p-sima muestra. Nuestra tarea consistir en reducir el conjunto de datos inicial, bien por filas
(seleccionando instancias) o bien por columnas (seleccionando caractersticas) y convertirlo en el menor
subconjunto posible caracterizado por permitirnos determinar la clase de una nueva instancia con el mismo o
mayor acierto del que conseguamos con el conjunto original.
Complejidad
NP-difcil
Aplicaciones
Preprocesamiento previo a etapa de Minera de Datos para eliminar ruido, datos inconsistentes o redundantes
con el objetivo de mejorar las prestaciones del proceso de descubrimiento de informacin.
Mtodos aplicados
Heursticos
Algoritmos Evolutivos
rboles de decisin
Artculos realizados
Casillas, J., O. Cordn, M. J. del Jess, F. Herrera (2001), Genetic feature selection in a fuzzy rule-based
classification system learning process for high dimensional problems, Information Science 136, pp. 169-191.
Cano, J. R., F. Herrera and M. Lozano (2003), Using evolutionary algorithms as instance selection for data
reduction in KDD: An experimental study, IEEE Transactions on Evolutionary Computation (In press).
En desarrollo
Actualmente estamos trabajando en la seleccin de instancias y caractersticas sobre conjuntos de datos de gran
tamao (>=500000 muestras).
27
TTULO: Aplicacin de Tcnicas de Inteligencia Artificial y Optimizacin
Combinatoria a Problemas de Regulacin Gentica
Descripcin
Los avances en la biologa molecular y en las tcnicas computacionales nos permite investigar procesos
moleculares complejos en sistemas biolgicos. Por ejemplo, el gran reto de la post genmica es determinar
cuando, donde y por cuanto tiempo un gen esta encendido o apagado. Para ello se est trabajando en el
desarrollo de un ambiente computacional que permita responder a esta clase de preguntas.
Una porcin de este desarrollo se encarga de trabajar con uno de los problemas ms tratados en el rea de la
bioinformtica, rea que abarca dos disciplinas: la biologa y la computacin, es el reconocimiento de
promotores de genes. Encontrar buenas soluciones algortmicas que permitan resolver este problema es muy
importante para los investigadores del campo de la biologa y la medicina ya que es un factor clave en el estudio
de caminos (pathways) de regulacin gentica. Esta bsqueda es realizada mediante el uso de metaheursticas, en
particular con algoritmos evolutivos.
Aplicaciones
Interpretacin de redes genticas, reconocimiento de promotores de genes y su aplicacin al desarrollo de
drogas para tratamiento de enfermedades.
Mtodos aplicados
Algoritmos genticos multiobjetivos
Algoritmos memetcos multiobjetivos
Artculos realizados
wAutomated Biological Sequence Description by Genetic Multiobjective Generalized Clustering, Annals of the
New York Academy of Science. Publications of the New York Academy of Sciences, volume 980, pag 65-
82, 2002
En desarrollo
Actualmente se est trabajando en la aplicacin al problema de bsqueda de promotores procariotes de varios
algoritmos evolutivos multiobjetivos.
28
TTULO: Criterios de Parada Fuzzy
GRUPO: MODO (Universidad de Granada)
Descripcin
Un algoritmo es un proceso iterativo que produce una sucesin de puntos segn un conjunto de
instrucciones pre-especificado, y un criterio de parada. Consideramos algoritmos que converjan a una solucion
optima, pero que sin embargo, debido a dificultades diversas, igual hay que conformarse con soluciones menos
favorables.
Generalmente los posibles criterios para terminar los algoritmos no son mas que reglas de control. Si en
esas reglas sustituimos el criterio de la optimizacion por el de la satisfaccion, en el conjunto solucion podemos
considerar una funcin de cumplimiento dando el grado con el que un punto pertenece a ese conjunto,
teniedo perfecto sentido hablar de Reglas de Control Fuzzy como criterios de parada.
Complejidad
Identica a la del problema sobre el que se consideren estos criterios de parada.
Aplicaciones
Obtencin de soluciones casi-optimales en problemas de dificil solucin. Se han ensayado en problemas de la
mochila, y en problemas de Viajante de Comercio
Mtodos aplicados
Modificaciones ad hoc de los algoritmos propios de resolucin de cada problema
Artculos realizados
A. Sancho-Royo, J.L. Verdegay y E. Vergara-Moreno Some Practical Problems in Fuzzy Sets-based Decision
Support Systems. MathWare and Soft Computing VI, 2-3 (1999), 173-187.
J.L. Verdegay y E. Vergara: Criterios de Parada Borrosos en Algoritmos de Puntos Interiores. Actas del Taller
de Aprendizaje, Busqueda, Clasificacion y Optimizacion con Enfoques Heuristicos. Pachuca, Hidalgo (Mexico),
1999, 97-101.
J.L. Verdegay y E. Vergara: Nuevos Algoritmos para el Problema de la Mochila basados en Criterios de Parada
Borrrosos. Actas de la VIII Conferencia de la Asociacion Espaola para la Inteligencia Artificial (CAEPIA99),
Vol I. Murcia, 1999, 10-18.
J.L. Verdegay y E. Vergara: Criterios de Parada Difusos en el Problema de la Mochila. Proc of the I Congress of
the European Association of Fuzzy Logic and Technologies y del IX Congreso Espaol sobre Tecnologias y
Logica Fuzzy ( EUSFLAT-ESTYLF Joint Conference), Palma de Mallorca, 1999, 267-270.
J.L. Verdegay y E. Vergara-Moreno: Fuzzy Termination Criteria in Knapsack Problem Algorithms. Mathware
and Soft Computing VII, no. 2-3, 89-97 (2000)
J.L. Verdegay and E. Vergara-Moreno: Fuzzy Sets-based Control Rules for Terminating Algorithms. Computer
Science Journal of Moldova 10, 1, 9-27 (2002)
J.L. Verdegay y E. Vergara-Moreno: Solving NP-Problems by using Fuzzy Sets-based Heuristics. Operations
Research and Decisions 4 (2003)
J.L. Verdegay y E. Vergara-Moreno: Diseo de un SSD para la planificacion nutricional en granjas avicolas
mediante tecnicas de Inteligencia Artificial. Actas del II Simposio Internacional de Sistemas de Informacion e
Ingenieria de Software en la Sociedad del Conocimiento. Lima (Per), (2003), 54-69
En desarrollo
Estamos trabajando en la aplicacin de estas reglas en algoritmos de bsqueda lineal, y en su adaptacin a otros
Metaheursticos
29
TTULO: Anlisis, Desarrollo e Implementacin de Heursticas basadas en
Conjuntos Difusos
Descripcin
Dentro de esta lnea de trabajo, destaca FANS (Fuzzy Adaptive Neighborhood Search); un mtodo de bsqueda
por entornos donde las soluciones se evalan no solo mediante la funcin objetivo, sino tambin en trminos de
conceptos difusos. Adems, es un mtodo adaptable, ya que su comportamiento vara en funcin del estado de la
bsqueda, a travs del uso de varios administradores o ''schedulers''.
El algoritmo produce transiciones entre soluciones que verifican cierta propiedad difusa P con al menos cierto
grado. Esta propiedad es adaptada mientras la busqueda progresa.
Cuando se llega a una solucin que es minimo local bajo el operador actual, se cambia el operador utilizado para
generar soluciones. Cuando el conjunto de operadores disponibles se agot, entonces se aplica un metodo clsico
de reinicializacin.
Aplicaciones
Optimizacin global de funciones. Problemas de la mochila y del viajante de comercio. El problema de
prediccin de estructuras de protenas. Anlisis de perfiles de expresin gnica.
Artculos realizados
D.A. Pelta, A.. Blanco y J.L. Verdegay: FANS for Function Optimization. En (R.J. Howlett and L.C. Jain, Eds.):
Procs. of the IV Intl Conf. on Knowledge-Based Systems and Allied Techniques. IEEE, 2000, 594-597.
D. Pelta, N. Krasnogor, A. Blanco y J.L. Verdegay: FANS for the Protein Folding Problem. Comparing
Encodings and Search Modes. Procs of the 4-th MIC (MIC2001), Oporto, Portugal (2001), 327-331.
A. Blanco, D.Pelta y J.L. Verdegay: Applying a Fuzzy Sets-based Heuristic to the Protein Structure Prediction
Problem. International Journal of Intelligent Systems 17, 629-643 (2002)
A. Blanco, D. Pelta y J.L. Verdegay: A Fuzzy Valuation-based Local Search Framework for Combinatorial
Problems. Fuzzy Optimization and Decision Making 1, 177-193 (2002)
A. Blanco, D. Pelta y J.L. Verdegay: Pattern Search in Molecules with FANS. Preliminary Results. En Lecture
Notes in Computer Science 2611: Applications of Evolutionary Comp. (G. Raidl, Ed), 11-21 (2003)
A. Blanco, D. Pelta y J.L. Verdegay: FANS. Una Heurstica basada en Conjuntos Difusos para Problemas de
Optimizacin. Inteligencia Artificial 19, 103-121 (2003).
A. Blanco, D. Pelta y J.L. Verdegay: Solving KP using a Fuzzy Sets-based Heuristic. En P. Melo-Pinto, H.N.
Teodorescu y T. Fukuda (Eds): Systematic Organisation of Information in Fuzzy Systems. NATO Science
Series - Series III: Computer and Systems Sciences - vol. 184. IOS Press, Amsterdam (2003), 269-276
A. Blanco, D. Pelta y J.L. Verdegay: Fuzzy Adaptive Neighborhood Search: Examples of Application. En Fuzzy
Sets based Heuristics for Optimizacion (J.L. Verdegay, Ed.). Springer Verlag (2003), 1-20.
En desarrollo
Actualmente, se trabaja en dos frentes: a) aplicacin de FANS a problemas de p-mediana (crisp y difuso), y
problemas de corte; y b) anlisis emprico sobre la influencia que tienen en los resultados, diferentes definiciones
para los componentes del algoritmo
30
TTULO: Una Estrategia Cooperativa y Multi-hebra basada en Reglas Difusas
para Resolver Problemas de Optimizacin
Descripcin
Dado un problema de optimizacin difcil, no existe forma de determinar cual o cuales algoritmos aplicar para
obtener la mejor solucin posible. El enfoque usual es que el investigador aplique un mtodo que domine o elija
un algoritmo que haya funcionado bien en problemas similares.
Ms aun, aunque dispongamos de un buen algoritmo para dicho problema, puede darse el caso de que la
instancia que debamos resolver no sea un caso favorable para el algoritmo (la bondad o goodness de un
algoritmo se suele plantear en trminos estadsticos)
Con estas ideas en mente, hemos propuesto considerar que disponemos de distintos algoritmos que simultanea y
cooperativamente actuen para resolver el problema en cuestion, bajo un esquema controlado por un
coordinador que acta conforme a unas reglas previamente establecidas. De esta manera, abordamos la
resolucin del problema mediante diferentes estrategias.
Las reglas del Coordinador tienen como objetivo premiar las estrategias favorables y castigar las no
favorables (para el problema o instancia actual). Estas reglas se definen de forma difusa e intentar reflejar
nociones de sentido comn, como por ejemplo: Si un algoritmo_i progresa adecuadamente, dejarlo actuar
como viene haciendolo, o Si el rendimiento de algoritmo_i est empeorando, modificarlo para cambiar su
comportamiento, etc.
Aplicaciones
El mtodo est en fase de desarrollo, y ya se dispone de resultados sobre instancias del problema de prediccin
de estructura de proteinas y el problema de la mochila. En ambos casos, se ha comprobado que esta metodologa
permite obtener los mismos resultados con menos esfuerzo
Artculos realizados
D. A. Pelta, A. Sancho-Royo y J.L. Verdegay: Three Fuzzy Sets-based Heuristic Approaches for Solving
Optimisation Problems. Proceedings of the 10-th IFSA World Congress. Estambul (Turquia), (2003), 488-491.
D. A. Pelta, A. Sancho-Royo y J.L. Verdegay: Heuristic Algorithms for Smart Model base Manager Systems.
Proceedings of the European Symposium on Intelligent Technologies, Hybrid Systems and their Implementation
on Smart Adaptive Systems. Oulu (Finlandia), (2003), 75-80
D. A. Pelta, A. Sancho-Royo y J.L. Verdegay: On the Design of Heuristic Algorithms using Fuzzy Rules. En
(M. Wagenknecht and R. Hampel, Eds.): Proceedings of the Third European Society for Fuzzy Logic and
Technology Conference (EUSFLAT 2003). Zitau (Alemania), (2003), 474-479.
En Desarrollo
En la actualidad se estn realizando tareas de validacin de la estrategia as como de anlisis sobre la
generacin y adaptacin de la base de reglas del coordinador.
31
TTULO: Comparacin de Estructuras de Proteinas via Superposicin de Mapas
de Contacto
Descripcin
Un mapa de contacto es un grafo no dirigido que permite obtener una representacin concisa de la
estructura tridimensional de una proteina. Cada residuo en la proteina, representa un nodo del grafo y existe una
arista entre dos nodos, si la distancia entre los respectivos residuos es menor que cierto umbral (medido en
amstrongs).
Un alineamiento entre dos mapas de contactos es una asignacion de vertices (residuos) en el primer
mapa a vertices (residuos) en el segundo. Los residuos que se encuentran alineados se consideran
equivalentes. El valor de un alineamiento entre dos mapas de contacto es la cantidad de contactos en el primer
mapa cuyos puntos finales estan alineados con residuos en el segundo mapa y que tambien estn en contacto. En
otros trminos, la cantidad de ciclos no dirigidos de tamao 4 que se establecen entre los dos mapas y los
alineamientos. Este nmero se denomina el valor de la superposicin y el objetivo es maximizar este valor.
Complejidad
NP-difcil
Aplicaciones
Comparacin de estructuras de protenas
Mtodos aplicados
FANS
Algoritmos Memticos
Algoritmos MultiMemticos
Artculos realizados
Natalio Krasnogor David Pelta, A Fuzzy Sets based Heuristic for the Comparison of Protein Structures, enviado
a Journal of Fuzzy Sets and Systems
Measuring Protein Structure Similarities by Means of the Universal Similarity Metric, Natalio Krasnogor,
David Pelta. En Bioinformatics. (aceptado para su publicacin).
En Desarrollo
En varios casos, FANS permiti obtener mejores resultados que los obtenidos mediante algoritmos
basados en poblaciones. Se estn realizando tareas para intentar tipificar las instancias de alguna manera para
poder decidir a priori, con que algoritmo/s sera mejor compararlas.
32
TTULO: Problema de Prediccin de Estructuras de Protenas en Modelos
basados en Reticulados
Descripcin
A pesar de dcadas de estudio, an no se sabe como es el proceso que permite transformar una
secuencia de aminoacidos (la estructura primaria de una protena), en una estructura tridimensional que permite a
la protena realizar alguna funcin especfica. Se asume que la informacin necesaria para determinar la
estructura tridimensional, se encuentra codificada en la secuencia. Bajo el modelo HP de Dill, una secuencia
de n aminoacidos se modeliza como un string s {H,P}+ donde |s| = n. El smbolo P representa un
aminoacido hidfroflico, mientras que la H, uno hidrofbico.
El objetivo es hacer un mapping de la secuencia a una grilla (cuadrada, triangular, diamante, en 2 o 3
dimensiones), donde cada elemento de s ocupa una celda diferente, elementos consecutivos en s ocupan celdas
adyacentes en la grilla y cada celda solo puede ser ocupada por un elemento (no se admiten cruces). Esta
asignacin de la secuencia en la grilla, representa la estructura de la protena y cada posible estructura recibe un
puntaje de acuerdo a la cantidad de contactos topolgicos entre elementos de tipo H. Un contacto topolgico
se obtiene cuando dos elementos se encuentran adyacentes en la grilla pero no consecutivos en s. Se requiere
encontrar la estructura que maximice la cantidad de contactos topolgicos.
Complejidad: NP-difcil
Aplicaciones
Prediccin de estructuras de protenas reales cuando se incorpora como parte de algoritmos ms complejos.
Anlisis del proceso de plegamiento. Estudio de la influencia de parmetros como el tipo de reticulado, etc
Mtodos aplicados
FANS; Algoritmos Memticos; Algoritmos MultiMemticos
Artculos realizados
Multimeme Algorithms using Fuzzy Logic based Memes, David A. Pelta, Natalio Krasnogor. En Recent
Advances in Memetic Algorithms and Related Search Technologies. W. Hart, N. Krasnogor, J. Smith (Eds).
Aceptado para su publicacin (2004)
Fuzzy Memes in Multimeme Algorithms: a Fuzzy-Evolutionary Hybrid, Natalio Krasnogor and David Pelta, in
"Fuzzy Sets based Heuristics for Optimization", Ed. Jos L. Verdegay. Series: "Studies in Fuzziness and Soft
Computing", pp: 49-66, Physica-Verlag, 2003.
Applying a Fuzzy Sets-based Heuristic to the Protein Structure Prediction Problem, D. Pelta and A. Blanco
and J. L. Verdegay, in International Journal of Intelligent Systems. 17 (7) pp. 629-643 (2002)
"F.A.N.S. for the Protein Folding Problem: Comparing Encodings and Search Modes", David Pelta and N.
Krasnogor and Armando Blanco and Jose Luis Verdegay En: Procs de MIC 2001, pp. 327-331,
"Protein Structure Prediction with Evolutionary Algorithms", N. Krasnogor and W.E. Hart and J. Smith and
D.A. Pelta, En: Proceedings de GECCO-99, pp. 1596-1601, Ed: W. Banzhaf et.al. 1999.
"Genetic Algorithms for the Protein Folding Problem: A Critical View", N. Krasnogor, D. Pelta, P. M. Lopez, P.
Mocciola, E. de la Canal, En: Procs de EIS 1998, pp.353-360 Ed: Alpaydin, ICSC Acad. Press.
"Protein Structure Prediction as a Complex Adaptive System", N. Krasnogor, D. H. Marcos, D. Pelta, W. A.
Risi, In: "Frontiers in Evolutionary Algorithms (FEA98)", pp. 441-447, Editor: Cezary Janikow, 1998
En Desarrollo
Tanto en FANS como en algoritmos genticos y memticos, se puede observar que existen instancias
faciles y otras dificiles. En la actualidad, se intenta identificar caractersticas que ayuden a predecir el error que
cometer un algoritmo resolviendo una instancia dada. De esta manera, en cada caso se podra aplicar el
algoritmo que obtuviera el menor error esperado.
33
TTULO: Problemas de Corte y Empaquetado
GRUPO: Universidad de La Laguna
Descripcin
Asignar la ubicacin fsica de objetos definidos en lugares fsicos con el objeto de aprovechar al mximo el
espacio disponible. Los objetos y el espacio pueden ser bi o tri dimensionales y pueden o no existir restricciones
en su orientacin y coloca
Problema Estndar: Strip Parking Problem

Dado un objeto rectangular de amplitud fija w y altura infinita, y un conjunto,
R = {R(w1, h1), ,R(wn, hn)},
de rectngulos con al menos uno de sus lados, wi, hi, menor que w, se desea empaquetar el conjunto R en el
objeto rectangular utilizando el menor espacio posible (o lo que es lo mismo, se pretende minimizar la altura del
empaquetado). En este problema se pueden rotar los objetos y los cortes pueden ser de tipo no guillotina.
Complejidad
NP-hard
Aplicaciones
Corte de tela en aplicaciones textiles. Variantes cercanas de este problema aparecen en la asignacin ptima de
tareas a mallas de procesadores.
Mtodos aplicados
GRASP
Simulated Annealing
Multiarranque
Artculos realizados
Procedimientos constructivos adaptativos (GRASP) para el problema del empaquetado bidimensional. Jess
David Beltrn, Jos Eduardo Caldern, Rayco Jorge Cabrera, J. Marcos Moreno Vega. Inteligencia Artificial.
Revista Iberoamericana de Inteligencia Artificial, 15 pp. 26-33 (2002)
Fase de postprocesamiento de una Bsqueda Constructiva Adaptativa (GRASP). Jess David Beltrn Cano, Jos
Eduardo Caldern, Rayco Jorge Cabrera, J. Marcos Moreno Vega. Actas de la VIII Conferencia Iberoamericana
de Inteligencia Artificial. IBERAMIA 2002, pp. 97-106
Anlisis del Postprocesamiento y de las Reglas de Parada de un GRASP para el problema del Empaquetado de
Rectngulos. Jess David Beltrn Cano, Jos Eduardo Caldern, Rayco Jorge Cabrera, J. Marcos Moreno Vega.
Actas del II Congreso Espaol sobre Metaheursticas, Algoritmos Evolutivos y Bioinspirados, MAEB 03, pp.
328-334
Fuzzy Stopping Rules for the Strip Packing Problem. Jess David Beltrn, Jose Eduardo Caldern, Rayco Jorge
Cabrera, Jos A. Moreno Prez, J. Marcos Moreno Vega. Information Processing and Management of
Uncertainty in Knowledge-Based Systems (IPMU 2004), pp. 673-680
GRASP-VNS hybrid for the Strip Packing Problem. Jess David Beltrn, Jose Eduardo Caldern, Rayco Jorge
Cabrera, Jos A. Moreno Prez, J. Marcos Moreno Vega. First International Workshop in Hybrid Metaheuristics
at ECCAI 2004, pp. 79-90
En desarrollo
Trabajamos en un sistema que se adapte a las caractersticas del problema particular que se pretende resolver.
Este sistema utiliza a GRASP como mdulo de bsqueda de empaquetados eficientes y debe ser capaz de
finalizar la bsqueda cuando exista evidencia de que se ha alcanzado una solucin difcilmente mejorable.
34
TTULO: Aprendizaje Automtico
Descripcin
En la aplicacin de las tcnicas de aprendizaje automtico surgen varios problemas relacionados al afrontar
tareas relacionadas con la clasificacin o prediccin.
Problemas Estndares: Agrupamiento, Clasificacin y Seleccin

Se parte de un conjunto de casos o individuos descritos por un conjunto de variables o caractersticas. El
agrupamiento busca grupos de individuos de caractersticas similares, distintas entre si. Se define una
distancia o similitud entre individuos y la funcin a minimizar es la suma de distancias entre individuos del
mismo grupo y la funcin a maximizar es la suma de distancias entre individuos de distinto grupo.
Si una de las caractersticas es la clase o incgnita se busca una funcin de clasificacin o clasificador que
asigne la clase a partir del resto de las caractersticas. Se usan clasificadores basados en conjunto de
representantes (la clase es la de los representantes ms similares) y la funcin a maximizar es el porcentaje
de aciertos.
No todas las variables proporcionan buena informacin y un subconjunto de variables da lugar a mejores
clasificadores.
Complejidad
NP-hard
Aplicaciones
Aprendizaje Automtico.
Mtodos aplicados
Heursticas propias.
Algoritmos Genticos.
Redes Neuronales.
Artculos realizados
Comparacin de estrategias de arranque mltiple para clasificacin no supervisada. Miguel Garca

Torres, Jos A. Moreno Prez, J. Marcos Moreno Vega. IBERAMIA 2002. Sevilla. Noviembre
de 2002.
VNS para Clasificacin supervisada. Miguel Garca Torres, Jos A. Moreno Prez, J. Marcos
Moreno Vega. MAEB03, Gijn, 5-7 de Febrero de 2003.
Bsqueda Dispersa para el Problema de la Seleccin de Variables. Flix C. Garca Lpez, Miguel
Garca Torres, Jos A. Moreno Prez, J. Marcos Moreno Vega. CAEPIA 2003, San Sebastin.
Noviembre 2003.
Scatter Search for the Feature Selection Problem. Flix C. Garca Lpez, Miguel Garca Torres,
Jos A. Moreno Prez, J. Marcos Moreno Vega. Sometido a L.N. in Artificial Intelligence, 2003.
Bsqueda Dispersa y Algoritmo Gentico para el Problema de la Seleccin de Variables. Flix
Garca Lpez, Miguel Garca Torres, Beln Melin Batista, Jos A. Moreno Prez, J. Marcos
Moreno Vega. MAEB04, Crdoba. Febrero 2004.
Solving Feature Selection Problem by a Parallel Scatter Search. Flix Garca Lpez, Miguel Garca
Torres, Beln Melin Batista, Jos A. Moreno Prez, J. Marcos Moreno Vega. European Journal
of Operational Research. 169 (2): 477-489 2006
En desarrollo
Trabajamos en una paralelizacin del Scatter Search para el problema de la seleccin de variables con varios
mtodos de combinacin y otras metaheursticas.
35
TTULO: Problema de Planificacin de Redes pticas WDM
Descripcin:
La planificacin de redes WDM consiste en determinar el equipamiento de mnimo coste necesario para
satisfacer nuevos requirimientos. Se parte de una red ptica a la que incrementar capacidad mediante tecnologa
WDM. WDM es la transmisin de mltiples seales lser a diferentes longitudes de onda en la misma direccin,
en el mismo instante y sobre el mismo hilo de fibra.
Problema Estndar:
Dada una topologa fsica de la red, un conjunto de demandas punto-a-punto, y una estructura de costes, el
problema de planificacin de redes WDM consiste en determinar el incremento de capacidad a mnimo coste
necesario para conducir las demandas desde sus orgenes hasta sus destinos, proporcionando adems
supervivencia en la red. Se define supervivencia como la habilidad de restaurar servicios de red en caso de fallo
de alguno de los elementos de la misma.
Complejidad
NP-difcil
Mtodos aplicados
Tabu Search, Scatter Search, Multistart, Genetic Algorithms,
Artculos realizados
Beln Melin, Manuel Laguna, and Jos A. Moreno Perez, "Minimizing the Cost of Placing and Sizing
Wavelength Division Multiplexing and Optical Cross-Connect Equipment in a Telecommunications
Network". Networks, 45(4): 199-209 (2005)
Beln Melin, Manuel Laguna, and Jos A. Moreno Prez, "Capacity Expansion of Fiber Optic
Networks with WDM Systems: Problem Formulation and Comparative Analysis". Computers &
Operations Research, 31:461- 472 (2004).
Optimizing Placement and Sizing of WDM and Optical Cross-Connect Equipment. L. A. Cox, M.
Laguna, B. Melin, Jos A. Moreno, J. Snchez. Dallas (EEUU). ICTS 2001.
Cost Reduction & Survivability in Placement & Sizing of Wave Division Multiplexing & Optical Cross
Connect Equipment. Belen Melian-Batista, Manuel Laguna, Jos A. Moreno Prez, J. Marcos
Moreno-Vega, Miami, EEUU. INFORMS 2001.
Planificacin del despliegue de tecnologa WDM en redes pticas. M Beln Melin Batista, Jos A.
Moreno Prez, J. Marcos Moreno Vega. Gijn. CAEPIA 2001.
Optimization Models for DWDM Planning. Manuel Laguna, Beln Melin Batista, Jos A. Moreno
Prez and J. Marcos Moreno Vega. Puerto de La Cruz. EUNITE 2001.
Capacity Expansion of Fiber Optic Networks with WDM Systems: Problem Formulation and Comparative
Analysis. Beln Melin, Manuel Laguna, Jos A. Moreno Prez. Sevilla. SIT 2002.
Survivability in DWDM Optical Networks. Beln Melin, Manuel Laguna, Jos A. Moreno Prez.
Sevilla. SIT 2002.
Capacity Expansion of Fiber Optic Networks with WDM Systems: Problem Formulation and Comparative
Analysis Manuel Laguna, Beln Melin, Jos A. Moreno Prez. San Jos, USA. INFORMS 2002.
Capacity Expansion of Optical Networks with WDM Systems Under Demand Uncertainty. Beln Melin,
Jos A. Moreno Prez, Manuel Laguna. MAEB 2003, Gijn,
Scatter Search in the Robust Optimization of the Deploying of DWDM technology on Optical Networks
with Survivability. Jos A. Moreno Prez, Beln Melin, Manuel Laguna. Yugoslav Journal of
Operations Research 2005 Vol. 15 (1) 65-77.
En desarrollo
Actualmente trabajamos en un algoritmo metaheurstico basado en scatter search que
permite resolver de forma simultnea los problemas incluidos en el problema de
panificacin de redes WDM: provisioning, routing and protection.
36
TTULO: Planificacin Logstica
Descripcin
Establecer localizaciones, rutas, asignaciones y cargas de los elementos que intervienen en la distribucin
logstica de materiales de diverso tipo. Se han tratado problemas del viajante (TSP), rutas de vehculo (VRP),
localizacin (p-mediana, p-centro, p-cent-dian) y problemas mixtos (ciclo-mediano, localizacin-asignacin).
Problema Estndar: p-Mediana

Dado una matriz de distancias D = {dij}mn, el problema de la p-Mediana consiste en encontrar las p columnas
que minimice la suma de los valores de mnimos de cada fila en esas columnas. Se busca minimizar
m
F ( X ) = min d ij : X {1,..., n}, | X |= p
jX
i =1
Si cada elemento dij representa la distancia entre el usuario ui y la localizacin posible lj se trata de elegir p
puntos de servicio X que hagan mnima la suma de las distancias de los usuarios al punto de servicio ms
cercano.
Complejidad
NP-hard
Aplicaciones
Localizacin, Clustering, ...
Mtodos aplicados
Prcticamente todos. Exactos: B&B, Relajacin Lagrangiana, Mtodos duales. Cortes, estudios polidricos, ...
Heursticas clsicas: Greedy, Intercambio, Alternante. Metaheursticas: Tab, SA, GRASP, MultiStart,
Concentration Heuristics, Noising Methods, ILS, VNS, GA, NN, SA, etc.
Artculos realizados
Jos A. Moreno Prez, C. Rodrguez Len y N. Jimnez Saavedra. Heuristic Cluster Algorithm
for the Multiple Facility Location-Allocation Problems. RAIRO, Revue de Automatique, Informatique
y de Recherche Operationelle. 1991. Vol 25, n 1. 97-107.
Jos A. Moreno Prez, Jos L. Roda Garca y Jos M. Moreno Vega. A parallel genetic
Algorithm for the discrete p-median problem. Studies in Locational Analysis. 1994. vol. 7. 131-141.
Nenad Mladenovic, Jos A. Moreno Prez y Jos M. Moreno Vega. The Chain-Interchange
Heuristic Method. Yugoslav Journal of Operations Research. 1996. vol. 6. num. 1, 41-54.
Arie Tamir, Dionisio Prez-Brito and Jos A. Moreno Prez. A polynomial algorithm for the p-
Centdian problem on a tree Networks. 1998. Vol. 32-4, 255-262.
Dionisio Prez Brito, Jos A. Moreno Prez, The generalized p-centdian on network. TOP, 2000.
Vol. 8. num. 2. 265-285.
Garca Lpez, F., Melin Batista, B., Moreno Prez, J.A. and Moreno Vega, J.M. The parallel
variable neighbourhood search for the p-median problem Journal of Heuristics, 2002. Vol. 8. pp.
375-388.
Garca Lpez, F., Melin Batista, B., Moreno Prez, J.A. and Moreno Vega, J.M. Parallelization
of the Scatter Search for the p-median problem. Parallel Computing, 2003. Vol. 29 pp.575-589
Jos A. Moreno Prez, J. Marcos Moreno-Vega, Inmaculada Rodrguez Martn Variable
Neighborhood Tabu Search and its Application to the Median Cycle Problem European Journal of
Operational Research, 2003, 151. pp. 365-378.
En desarrollo
Trabajamos en propuestas hbridas y paralelizaciones
37
TTULO: Problema del Diseo de Redes Rpidas de Trnsito
Descripcin
El problema del Diseo de Redes Rpidas de Trnsito (Rapid Transit Network Design Problem, RTNDP)
consiste en determinar las lneas y la localizacin en ella de las estaciones de una red de trnsito rpido. Para
establecer el diseo ptimo se tienen en cuenta algunos criterios relevantes como el coste de la inversin
necesaria o el uso futuro de la red. Las alternativas se analizan a partir de la demanda de trayectos, de la
distribucin de trayectos, de los modelos de eleccin de los usuarios y del equilibrio del trfico.
Problema Estndar:
El problema estndar es el diseo del corazn o ncleo de la red (Core Noetwork Design Problem) compuesta
por un pequeo nmero de lneas conectando un conjunto seleccionado de nodos clave de forma que se
maximice la efectividad de la misma. El sistema de transporte pblico basado en estas lneas debe competir con
el transporte privado por lo que el objetivo es maximizar la captura de la demanda de flujo del trfico sujeto a
restricciones de inversin en la infraestructura asociada.
Complejidad
NP-difcil
Aplicaciones
Diseo de redes de metro, de tren ligero, de tranva, de monorral, de lneas preferenciales de autobs, sistemas
de transporte mixtos (multimodales), etc.
Mtodos aplicados
Heursticos especficos
GRASP,
Scatter Search
Multi-arranque,
VNS
Mtodos Hbridos
Artculos realizados
1. Martnez, F.J., Mesa, J.A., Melin B., Ortega, F.A., Moreno, J.A., Garzn, A.: Metaheurstica
GRASP para el diseo de redes de trnsito rpido. MAEB 2005, Granada (Spain).
2. Clara M. Campos Rodrguez, Francisco J. Martnez Garca and Jos A. Moreno Prez. A Hybrid
Metaheuristic for the Rapid Transit Network Design Problem. Working paper
En desarrollo
Se estn desarrollando aplicacin de otros mtodos metaheursticos a este problemas a otras fases del problema
de diseo: seleccin de los nodos claves (origen-destino), de estaciones secundarias, tec.
38
TTULO: Problema de Diseo de Circuitos Lgicos Combinacionales
GRUPO: Universidad de Mlaga
Descripcin
Este problema consiste en disear un circuito que realice una funcin deseada (especificada por su tabla de
verdad), dado un conjunto especfico de puertas lgicas disponibles.
En el diseo de circuitos se pueden utilizar varios criterios para definir funciones de coste. Por ejemplo, desde
una perspectiva matemtica, podramos minimizar el nmero de literales o el nmero de operaciones binarias o
el nmero de smbolos en la expresin. La resolucin de este problema mediante estos criterios es difcil. Si se
ven los circuitos como redes de puertas lgicas podramos minimizar el nmero de puertas sujeto a varias
restricciones como el fan-in, fan-out o el nmero de niveles. En general, es difcil encontrar redes mnimas o
demostrar la optimalidad de una red concreta. A pesar de esto, es posible resolver varios de estos problemas
mediante tcnicas sistemticas, suponiendo que son aceptables soluciones menos generales.
Complejidad
NP-difcil
Aplicaciones
Diseo de circuitos lgicos combinacionales
Mtodos aplicados
Algoritmos Genticos
CHC
Recocido Simulado
Algoritmos Hbridos
Artculos realizados
C. Coello, E. Alba, G. Luque, and A. Hernndez (2003), Comparing Different Serial and Parallel Heuristics to
Design Combinatorial Logic Circuits. In NASA/DoD Conference on Evolvable Hardware, pages 310, IEEE
Computer Society.
En desarrollo
Actualmente estamos estudiando nuevos algoritmos que nos permitan resolver instancias que ya consideramos en el pasado y otras nuevas ms
complejas.
39
TTULO: Problema de Planificacin de Tareas con Mnima Espera.
Descripcin
Este problema de planificacin de tareas con mnima espera (o Minimum Tardy Task Problem, MTTP) consiste
en, dado un conjunto de tareas, su tiempo de realizacin, el tiempo mximo para cuando deben estar
completadas y los costes por no planificarlas, decidir qu tareas realizar consiguiendo minimizar los costes sin
incumplir las restricciones.
Formalmente, cada tarea i se identifica por la tupla (li,di,wi), donde li es el tiempo que dura la realizacin de la
tarea, di el tiempo lmite para acabarla y wi el peso o coste de no realizar la tarea. El problema consiste en
minimizar:
f mttp = w
iT S
i
donde T es el conjunto total de tareas y S se corresponde con el conjunto de tareas realizadas, que debe cumplir
que:
Ninguna tarea se empieza antes que se acabe la anterior.

Ninguna tarea acaba despus de su plazo lmite.
Complejidad
NP-difcil
Aplicaciones
Planificacin de tareas, sistemas operativos, paralelismo
Mtodos aplicados
Algoritmos Genticos
CHC
Recocido Simulado
Algoritmos Hbridos
ACO
Artculos realizados
E. Alba and G. Luque (2003), Parallel LAN/WAN Heuristics for Optimization. In IPDPS-
NIDISC03, page 147, Nize, France.
E. Alba, G. Leguizamn, and G. Ordez (2003), Evolutionary Algorithms for the Minimum Tardy Task
Problem. In International Conference on Computer Science, Software Engineering, Information
Technology, e-Business, and Applications, Rio de Janeiro.
En desarrollo
Actualmente estamos trabajando en la resolucin de instancias ms complejas de este problema y en un generador de instancias para este
problema.
40
TTULO: Problema de la Identificacin de Parmetros de
Sonidos Modulados en Frecuencia
Descripcin
El problema consiste en determinar los 6 parmetros a1 , w1 , a 2 , w2 , a3 , w3 del modelo de sonidos modulados

en frecuencia representado por:
y (t ) = a1 sin( w1 t + a2 sin( w2 t + a3 sin( w3 t )))
con = 2 / 100 . Para ello se optimizar la funcin f fms definida como:

100
f fms (a1 , w1 , a 2 , w2 , a3 , w3 ) = ( y(t ) y (t ))
t =0
0
2
donde y 0 (t ) es un modelo de datos establecido que viene dado por la siguiente ecuacin:
y0 (t ) = 1.0 sin(5.0 t 1.5 sin( 4.8 t + 2.0 sin( 4.9 t ))) .
Cada parmetro est dentro del rango [ 6.4,+6.35] .
Complejidad
La complejidad de este problema radica en la funcin altamente multimodal y episttica que se construye para
resolverlo
Aplicaciones
Telecomunicaciones
Mtodos aplicados
Algoritmo gentico distribuido que usa codificacin real
Artculos realizados
Alba, E., Luna, F. and A.J. Nebro (2003), Parallel Heterogeneous Genetic Algorithms for Continuous
Optimization, In IPDPS-NIDISC, page 147.
Alba, E., Luna, F., Nebro, A.J. and J.M. Troya (2004), Parallel Heterogeneous Genetic Algorithms for
Continuous Optimization, Parallel Computing. To appear.
En desarrollo
Estamos trabajando en extensiones del modelo de bsqueda distribuido con el que se resuelve el problema.
41
TTULO: Problema del Ajuste de Polinomios
Descripcin
El problema consiste en determinar los coeficientes del siguiente polinomio en z :

2k
P(z ) = c
j =0
j z j , k +
de forma que P(z ) [ 1,+1], para z [ 1,+1], y P(1.2 ) T2 k (1.2), P( 1.2) T2 k ( 1.2) , donde T2 k (z ) es el
polinomio de Chebyshev de grado 2k . La solucin a este problema del ajuste de polinomios est formada por
los coeficientes de T2 k (z ) . El polinomio de Chebyshev que se ha utilizado es:
T8 (z ) = 1 32 z 2 + 160 z 4 256 z 6 + 128 z 8 .
Consideremos que C = (c1 , K , c 2 k ) es una solucin que ha de ser evaluada, y

2k
PC (z ) = c
j =1
j zj
entonces, para transformar las restricciones anteriormente expuestas en una funcin que se pueda minimizar,
denominada f Cheb , se realizan las operaciones mostradas en el siguiente pseudocdigo:
Elegir p 0 , p1 , K, p100 de [ 1,+1] ;

R =0;
Para i = 0,1,K,100 hacer
Si ( 1 > PC ( pi ) or PC ( pi ) > 1) entonces R R + (1 PC ( pi ))2 ;
Si (PC (1.2) T2k (1.2) < 0) entonces R R + (PC (1.2) T2k (1.2))2 ;
Si (PC ( 1.2) T2k ( 1.2) < 0) entonces R R + (PC ( 1.2) T2k ( 1.2))2 ;
Devolver R ;
Cada parmetro del problema se encuentra en el rango [ 512,+512] .
Complejidad
La complejidad de este problema viene dada por las diferencias existentes entre las magnitudes de los valores
que conforman la solucin
Aplicaciones
Diseo de filtros electrnicos
Mtodos aplicados
Artculos realizados
En desarrollo
Estamos trabajando en extensiones del modelo de bsqueda distribuido con el que se resuelve el problema.
42
TTULO: Problema de la Resolucin de Sistemas de Ecuaciones Lineales
Descripcin
Dada una matriz A = aij{ }nn y un vector B = {bi }n1 , el problema consiste en determinar los elementos del
vector X = {xi }n1 tal que A X = B . Para ello se minimiza la funcin:
n n
f sle (x1 , K , x n ) = (a
i =1 j =1
ij )
x j bi .
(
Si el sistema de ecuaciones tiene solucin, entonces tenemos que f sle x1* , K, x n* = 0 . )
Complejidad
La complejidad de este problema radica en la funcin altamente multimodal y episttica que se construye para
resolverlo
Aplicaciones
Aplicaciones matemticas
Mtodos aplicados
Artculos realizados
En desarrollo
Estamos trabajando en extensiones del modelo de bsqueda distribuido con el que mejorar la precisin final.
43
TTULO: Problema de Asignacin de Terminales a Concentradores
Descripcin
El problema de Asignacin de Terminales a Concentradores consiste en asignar un conjunto de terminales a una
serie de concentradores de tal forma que se minimice el coste de la asignacin. Asociado a cada par terminal-
concentrador existe un coste. El coste de una asignacin se calcula como la suma de los costes asociados a los
pares terminal-concentrador que forman la asignacin. Los terminales tienen unos requisitos de capacidad y los
concentradores tienen una capacidad mxima. Cada terminal est asignado a uno y slo un concentrador y la
capacidad soportada por cada concentrador debe ser mayor o igual a la suma de las capacidades requeridas por
los terminales asignados a dicho concentrador. Formalmente el problema consiste en encontrar xij para
minimizar la expresin
C T
c x
j =1 i =1
ij ij
sujeto a:
C
i {1,2, K , T } xij = 1
j =1
T
j {1,2, K , C} wij xij v j
i =1
donde C es el nmero de concentradores, T el nmero de terminales, cij es el coste de asignar el terminal i al

concentrador j, wi es la capacidad requerida por el terminal i, vj es la capacidad soportada por el concentrador j, y
xij es 1 si el terminal i est conectado al concentrador j y 0 en otro caso.
Complejidad
NP-difcil
Aplicaciones
Diseo de redes de telecomunicacin
Mtodos aplicados
Algoritmos voraces
Algoritmos Genticos
Algoritmo Gentico + Algoritmo voraz
Artculos realizados
E. Alba, A.J. Nebro, F. Chicano. Heterogeneidad, WAN y Nuevas Aplicaciones de los Algoritmos Evolutivos
Paralelos. Alba E. et al. (eds.), Actas del Primer Congreso Espaol de Algoritmos Evolutivos y Bioinspirado
(AEB'02), Mrida, pp. 402-409, 2002.
En desarrollo
Estamos modificando los parmetros de los algoritmos para obtener mejores resultados.
44
TTULO: Problema de Localizacin de Antenas en el Diseo de una Red por Radio
Descripcin
El problema de Localizacin de Antenas en el Diseo de una Red por Radio consiste en colocar adecuadamente
un conjunto de antenas distribuidas por una amplia zona geogrfica para conseguir la mayor cobertura posible
con el menor nmero de antenas. En general, el rea que cubre un transmisor depende de factores muy diversos
como los obstculos que encuentran las ondas, las caractersticas tcnicas del transmisor, etc. Por ese motivo el
clculo de la cobertura de una solucin puede ser muy costoso. Adems el problema puede poseer una serie de
restricciones de servicio que deben ser satisfechas por las soluciones. Discretizando el rea geogrfica podemos
llamar L al conjunto de puntos a cubrir y M al conjunto de puntos donde podemos situar los transmisores. Sea el
grafo G={ML, E} cuyas aristas enlazan las posiciones potenciales de los transmisores con los puntos que
cubre un transmisor en dicho punto. Llamemos x al vector solucin cuyos componentes xi con i entre 1 y |M|
indican si en el punto i hay un transmisor (xi=1) o no (xi=0). El problema consiste en maximizar
| N (M ' , E ) |
Cover ( x) =
| N (M , E ) |
y minimizar
Ones(x)
donde M={t M | xt = 1}, N(C,E) = {u L | v C, (u,v) E} y la funcin Ones(x) devuelve el nmero de
unos del vector x. N(C,E) es el conjunto de puntos que cubren los transmisores situados en los puntos de C.
Complejidad
NP-difcil
Aplicaciones
Diseo de redes de telecomunicacin
Mtodos aplicados
Algoritmos Genticos
Artculos realizados
Paralelos. Alba E. et al. (eds.), Actas del Primer Congreso Espaol de Algoritmos Evolutivos y Bioinspirados
(AEB'02), Mrida, pp. 402-409, 2002.
En desarrollo
Actualmente estamos resolviendo instancias reales de este problema.
45
TTULO: Problema de Diseo de Cdigos Correctores de Errores
Descripcin
El problema de Diseo de Cdigos Correctores de Errores consiste en encontrar un cdigo lineal de bloques de n
bits y M palabras con mxima distancia de Hamming d entre las palabras del cdigo. El nmero de bits y las
palabras del cdigo son datos del problema. Si llamamos C al conjunto de palabras Ci con i entre 1 y M que
pertenecen al conjunto {0,1}n el problema consiste en encontrar un cdigo C que maximice la expresin:
min d
i j
ham
(C i , C j )
Complejidad
NP-difcil
Aplicaciones
Telecomunicaciones
Mtodos aplicados
Algoritmo de Repulsin
Recocido Simulado Gentico
Algoritmos Genticos
Algoritmo Gentico + Algoritmo de Repulsin
Artculos realizados
E. Alba, C. Cotta, F. Chicano, A.J. Nebro. Parallel Evolutionary Algorithms in Telecommunications: Two Case
Studies. CACIC'02, Buenos Aires (ARG), 2002.
Paralelos. Alba E. et al. (eds.), Actas del Primer Congreso Espaol de Algoritmos Evolutivos y Bioinspirados
(AEB'02), Mrida, pp. 402-409, 2002.
E. Alba, J. F. Chicano. Solving the Error Correcting Code Problem with Parallel Hybrid Heuristics. ACM
Symposium on Applied Computing 2004 (SAC04) (in press).
E. Alba, J. F. Chicano, B. Dorronsoro, G. Luque. Diseo de Cdigos Correctores de Errores con Algoritmos
Genticos. Congreso Espaol de Metaheursticas, Algoritmos Evolutivos y Bioinspirados 2004 (MAEB04) (in
press).
En desarrollo
Actualmente estamos trabajando con nuevas instancias del problema y con nuevos algoritmos a medida.
46
TTULO: Problema de la Particin de Nmeros
Descripcin
Dado un conjunto de nmeros naturales A = {a1, ..., an}, el problema de la particin de nmeros (NPP) consiste
en encontrar una particin de A en dos conjuntos disjuntos A1 y A2 tales que la diferencia entre las sumas de los
elementos de cada uno de ellos sea mnima. En trminos matemticos, se busca minimizar
C E ( A1 , A2 ) = a a' .
aA1 a 'A2
Complejidad
NP-difcil, pseudopolinomial; presenta una transicin de fase fcil-difcil-fcil que hace que slo sean
complejas de resolver instancias situadas en la regin crtica.
Aplicaciones
Equilibrado de hlices, fletado de cargamentos
Mtodos aplicados
Heursticos
Tabu Search
Algoritmos memticos
Branch and Bound
Artculos realizados
R. Berretta, C. Cotta, P. Moscato, Forma Analysis and New Heuristic Ideas for the Number Partitioning
Problem, 4th Metaheuristics International Conference, pp. 337-341, Oporto, 2001
R. Berretta, C. Cotta, P. Moscato, Enhancing the performance of memetic algorithms by using a matching-based
recombination algorithm: Results on the number partitioning problem, M. Resende, J. Pinho de Sousa, (eds.),
Metaheuristics: Computer-Decision Making, pp. 65-90, Kluwer Academic Publishers, Boston MA, 2003
En desarrollo
Actualmente estamos trabajando en un algoritmo VNS comparando la utilizacin de varios entornos frente al
diseo de un nico entorno del algoritmo TS.
47
TTULO: Problema de Gestin de la Localizacin en Redes de Computacin Mviles
Descripcin
Este problema consiste en disear un esquema de celdas de computacin para redes mviles que gestionen las
operaciones de cambio de posicin de terminales mviles (location update), y recopilacin de informacin
(location inquiry) por parte de la red. Esta gestin debe minimizar sobrecarga de las operaciones de informacin
y los recursos utilizados en la red.
Fig. 1. Red de celdas (las reas oscuras representan celdas de informacin)
En este problema, la red mvil est particionada en celdas. Un subconjunto de stas, llamadas reporting
cell, son utilizadas para la gestin de informacin (celdas oscuras en la Fig. 1) . Cada terminal mvil
realiza una operacin de actualizacin cuando entra en una de estas reporting cells. Cuando llega una
llamada, la bsqueda se realiza slo en la ltima reporting cell en la que se actualiz el usuario y en las
nonreporting cells vecinas, siendo el vecindario acotado. Formalmente, se asocia a cada celda i un peso
de movimiento Wmi y un peso de llegada de llamada Wci. El nmero total de operaciones de
bsqueda/actualizacin (paging) realizadas est directamente relacionado con el peso de llamadas
recibidas en las celdas de la red. De este modo, se define la funcin de coste para una configuracin de
reporting cells en una red mvil como:
Donde C es una constante que representa el rango de coste de actualizacin de localizacin y paging
(normalmente C=10). N es el nmero total de celdas en la red, S representa el conjunto de reporting cells
y v(j) representa el valor de vecindario de la celda j.
Complejidad
NP-difcil.
Aplicaciones
Gestin de la Localizacin y Paging para Redes Mviles.
Mtodos aplicados
Algoritmos de Colmenas de Partculas
Artculos realizados
R. Subraya and A. Zomaya (2003), A Comparison of Three Artificial Life Techniques for Reporting Cell Planning in Movile Computing.
IEEE Transactions on Parallel and Distributes Systems, VOL. 14, NO. 2.
R. Subraya and A. Zomaya (2003), Evolving Cellular Automata for Location Management in Movile Computing Networks. IEEE
Transactions on Parallel and Distributes Systems, VOL. 14, NO. 1.
J. Taheri and A. Zomaya (2005), A Simulated Annealing Approach for Movile Location Management. In Proceedings of Parallel and
Distributed Processing Symposium, page 194.
J. Taheri and A. Zomaya (2006), A Combined Genetic-Neural Algorithm for Mobility Management. In Proceedings of the Workshop on
Nature Inspired Distributed Computing (NIDISC06) .
48
TTULO: Problema de Testeo de Software
Descripcin
La generacin automtica de casos de prueba consiste en proponer de forma automtica un
conjunto de datos de entrada para probar un programa. Este conjunto de casos de prueba
debe permitir la deteccin de una gran cantidad de errores en un programa incorrecto. No
obstante, este requisito es demasiado abstracto y para resolver el problema es necesario
plantear un objetivo concreto para el conjunto de casos de prueba. Este requisito depende del
tipo de testeo que se realice. Por ejemplo, en el testeo estructural un objetivo concreto puede
ser ejecutar todas las sentencias del cdigo fuente de un programa.
Complejidad
Problema de gran dificultad en todas sus versiones.
Aplicaciones
Desarrollo de Software
Mtodos Aplicados
Estrategias Evolutivas Panmcticas y Distribuidas
Algoritmos Genticos Panmcticos y Distribuidos
Optimizacin Basada en Enjambres de Partculas
Artculos Realizados
E. Alba, J. F. Chicano. Software testing with evolutionary strategies. In Proceedings of the
2nd International Workshop on Rapid Integration of Software Engineering Techniques,
volume 3943 of LNCS, pages 50-65, Heraklion, Greece, September 2005.
En desarrollo
Actualmente estamos extendiendo las propuestas anteriores para trabajar con distintos tipos
de datos de entrada y nuevos programas de mayor dificultad.
Bibliografa
C. C. Michael, G. McGraw, M. A. Schatz, Generating software test data by evolution, IEEE
Transactions on Software Engineering 27 (12) (2001) 1085-1110.
P. Godefroid, N. Klarlund, K. Sen, DART: directed automated random testing, in: PLDI'05:
Proceedings of the 2005 ACM SIGPLAN conference on Programming language design and
implementation, ACM Press, New York, NY, USA, 2005, pp. 213-223.
O. Buehler, J. Wegener, Evolutionary functional testing of a vehicle brake assistant system, in: Proc.
of the 6th Metaheuristic International Conference, Vienna, Austria, 2005, pp. 157-162.
49
TTULO: Optimizacin del Protocolo de Broadcasting en MANETs
Descripcin
Las redes MANETs (mobile ad hoc networks) son redes
ad hoc formadas por dispositivos mviles que se
caracterizan por no necesitar la existencia de ningn tipo
de estructura para funcionar. De este modo, este tipo de
redes se crea de forma espontnea y automtica entre un
conjunto de dispositivos que se encuentran prximos
unos con otros geogrficamente (vase la Figura 1). Por
tanto, las redes MANETs son redes altamente
fluctuantes ya que, al estar compuestas por dispositivos
mviles, la localizacin y el nmero de los dispositivos
que la forman varan continuamente en el tiempo. Este
comportamiento dinmico e impredecible en la
topologa de las MANETs constituye uno de los
principales obstculos para realizar comunicaciones
eficientes.
El problema que proponemos consiste en encontrar la

parametrizacin que optimice el comportamiento de un
protocolo de broadcasting para redes MANETs. Se trata
de un problema multiobjetivo (3 objetivos) en el que se
tratan de minimizar tanto el ancho de banda como el Fig. . Ejemplo de MANET.
tiempo total empleado en el proceso de broadcasting,
mientras que el nmero de dispositivos a los que llega el
mensaje debe ser maximizado. Para resolver este problema debemos utilizar algn programa que simule el
comportamiento de este tipo de redes. Concretamente, en los trabajos abajo referenciados se utiliz el simulador
madhoc, disponible de forma gratuita en http://www-lih.univ-lehavre.fr/~hogie/madhoc/.
Complejidad
Optimizar el protocolo de broadcasting para redes MANETs supone un problema muy complejo por las
caractersticas propias de este tipo de redes. Debido a lo altamente fluctuantes que son estas redes, la funcin de
evaluacin es estocstica, siendo necesarias mltiples ejecuciones del simulador para evaluar el protocolo.
Adems, cada vez que ejecutamos el simulador el protocolo se evalua sobre una red diferente, por lo que
estamos ante un generador de problemas. Por ltimo, el problema fcilmente escalable aadiendo ms
dispositivos al rea de simulacin.
Aplicaciones
Diseo protocolos de broadcasting para redes de comunicacin.
Mtodos aplicados
NSGA-II
Scatter Search (AbSS)
Algoritmo gentico celular (cMOGA)
Artculos realizados
E. Alba, P. Bouvry, B. Dorronsoro, F. Luna, A.J. Nebro, A Cellular Multi-Objective Genetic Algorithm for
Optimal Broadcasting Strategy in Metropolitan MANETs, en IPDPS-NIDISC, p. 192b. 2005.
F. Luna, A. J. Nebro, B. Dorronsoro, E. Alba, P. Bouvry, L. Hogie, Optimal Broadcasting in Metropolitan

MANETs Using Multiobjective Scatter Search, en EvoCOMNET, in EvoWorkshops06, Springer-Verlag.
En desarrollo
Actualmente estamos estudiando nuevos algoritmos que nos permitan mejorar los resultados actuales.
50
TTULO: Ensamblado de Fragmentos de ADN
Descripcin
Con el avance de las ciencias de la computacin, la bioinformtica se ha
convertido en un campo muy atractivo para los investigadores del campo de la
biologa computacional. El uso de aproximaciones computacionales para realizar
anlisis del material gentico tambin se ha convertido en algo muy popular. La
principal meta de cualquier proyecto sobre material gentico es determinar la
secuencia completa del genoma y su contenido gentico. El ensamblado de
fragmentos de ADN es uno de los primeros pasos que se realizan en cualquier
estudio sobre el genoma, y por lo tanto es crucial que sus resultados sean muy precisos para
que el correcto funcionamiento del resto del proceso.
El ensamblado de fragmentos de ADN es una tcnica que reconstruye la secuencia original

de ADN a partir de una coleccin de fragmentos. Los fragmentos son pequeas secuencias
de ADN, cuya longitud vara entre 200 y 1000
bases. La razn por la que es necesario este proceso
es debido a que la tecnologa actual no permite
secuenciar con precisin molculas de ADN ms
grandes de 500 o 700 bases. Sin embargo, la
mayora de los organismos tienen genomas ms
largos que esas 500-700 bases, como por ejemplo,
el ADN humano est compuesto por unos 3
billones de nucletidos. Las principales fases de
este proceso se esquematizan en la figura de la
derecha, siendo el paso clave la obtencin de una
ordenacin de los fragmentos que nos permita
reconstruir la secuencia original de ADN.
Complejidad
NP-difcil.
Aplicaciones
Anlisis del genoma.
Mtodos aplicados
Algoritmos Genticos, CHC, Enfriamiento Simulado
Bsqueda Dispersa
Artculos realizados
E. Alba, S. Khuri, G. Luque, Assembling DNA Fragments with a Distributed Genetic Algorithm, A. Y.
Zomaya (eds.), Parallel Computing for Bioinformatics and Computational Biology, chapter 12, pp. 285-302,
Wiley & Sons, 2005. ISBN: 0-471-71848-3.
E. Alba, G. Luque, S. Khuri, Assembling DNA Fragments with Parallel Algorithms, IEEE Congress on
Evolutionary Computation CEC-05, pages 57 - 65, Edinburgh, UK, 2005
G. Luque, E. Alba, Metaheuristics for the DNA Fragment Problem, International Journal of Computational
Intelligence Research (IJCIR) vol. 1, issue 2, pp. 98-108. 2005.
51
TTULO: Multiobjective Programming using Metaheuristics
Descripcin
Muy pocos problemas reales presentan un nico criterio para evaluar la deseabilidad de una
alternativa determinada, sino que, en general, aparecen, implcita o explcitamente, otros
criterios a tener en cuenta para determinar una alternativa como la mejor posible.
Normalmente estos criterios estarn, adems, en conflicto entre s, es decir, la mejora de uno
de ellos implicar el empeoramiento de alguno o algunos de los restantes. Para estos
problemas, el decisor se encuentra entonces ante una coleccin de puntos, cada uno de los
cuales es la mejor eleccin para un criterio determinado, pero que, normalmente, no es una
eleccin deseable para los restantes criterios. La cuestin a resolver, por tanto, es si habr
alguna eleccin que, no siendo ptima para alguno de los criterios, sea una alternativa
eficiente para el conjunto de todos ellos. El objetivo de la Programacin Multiobjetivo es
encontrar el conjunto de todas estas posibles soluciones, denominado Conjunto Eficiente, y
ayudar al decisor a seleccionar una de ellas.
Complejidad
A la complejidad de cada uno de los problemas mono-objetivo implcitos en un problema
Multiobjetivo, hemos de sumar la complejidad de la estructura multi-objetivo del problema.
Aplicaciones
Encontramos numerosas aplicaciones reales, en mbitos como la Economa, la Ingeniera, la
Logstica, la Gestin Medioambiental, etc..
Mtodos aplicados
Tabu Search
Scatter Search
Rough Sets
Differential Evolution
Artculos realizados
- Caballero, R. , Luque, M., Molina, J. Ruiz, F. (2002) PROMOIN: An Interactive System

For Multiobjective Programming. : International Journal Of Information Technology
And Decision Making, Vol.1(4), 635-656.
-
- Caballero, R.; Gandibleux, X.; Molina, J. (2004) : A Generic Multiobjective
Metaheuristic Using An Adaptative Memory. Technical Report. University Of
Valenciennes (France).
-
- Guerrero, F.M., Paralera, C., Caballero, R., Gonzlez, M., Molina, J. (2005) Location Of
Specific Risk Material Incineration Plants In Andalusia Using A Multicriteria Approach.
Investigacin Operacional, Vol. 2, 132-145.
52
- Caballero, R. , Luque, M., Molina, J. Ruiz, F. (2005) MOPEN: A Computational
Package For Linear Multiobjective And Goal Programming Problems. Decision Support
Systems. Vol. 41, 160-175.
-
- Caballero, R., Gonzlez, M., Guerrero, F.M., Molina, J. Paralera, C.,(2006) Solving A
Multiobjective Location Routing Problem With A Metaheuristic Procedure. Application
To The Case Of Andalucia. European Journal Of Operational Research, To Appear.
-
- J. Molina, M. Laguna, R. Mart And R. Caballero (2006) SSPMO: A Scatter Tabu
Search Procedure For Non-Linear Multiobjective Optimization. Informs Journal Of
Computing. To Appear.
-
- Luque, M., Caballero, R. , Molina, J. Ruiz, F. (2006): Equivalent Information for
Multiobjective Interactive Procedures. Management Science. to appear.
En desarrollo
- R. Caballero, M. Laguna, R. Mart And J. Molina (--) Multiobjective Clustering with
Metaheuristic Technology.
-
- A. G. Hernndez-Diaz, L.V. Santana-Quintero, C. Coello, J. Molina (--) Pareto-adaptive
-dominance.
-
- A. G. Hernndez-Diaz, L.V. Santana-Quintero, C. Coello, R. Caballero, J. Molina (--) A
new proposal for Non-Linear Multiobjective Optimization using Differential Evolution
and Rough Set Theory.
-
- Pekka J. Korhonen, Kaisa Miettinen, Julian Molina, Roman Slowinski, Lothar Thiele (-)
Interactive Evolutionary Algorithm For Multiobjective Optimization.
-
- Caballero, R., Gruszka, I., Molina, J., Slowinski, R., Trzaskalik, T. (--)Tabu Search
Approach To Discretisation Of Evaluation Space For Dominance-Based Rough Set
Method Applied To Multicriteria Classification.
53
TTULO: Boosting de bases de reglas borrosas
GRUPO: Universidad de Oviedo
Descripcin
Resolucin de problemas del aprendizaje de reglas borrosas en problemas de clasificacin y modelado mediante
algoritmos de tipo Matching Pursuit. Cada iteracin de este algoritmo de aprendizaje requiere resolver un
problema numrico de optimizacin combinatoria : dada una base de funciones r(x; ), donde recorre todas las
combinaciones de antecedentes posibles, y una funcin de coste d, se desea encontrar N valores {j, j} que
minimicen la funcin
con respecto a los parmetros , .
Complejidad
El aprendizaje del banco de reglas ptimo es NP-difcil. La complejidad de este problema concreto no ha sido
estudiada.
Aplicaciones
Clasificaciones.
Modelos de procesos.
Mtodos aplicados
Heursticos
Genticos
Artculos realizados
Snchez, L. Otero, J. A fast genetic method for inducting descriptive fuzzy models. Fuzzy Sets and Systems
141(1): 33-46 (2004)
Del Jesus, M. J , Hoffmann, F, Junco, L., Snchez, L. Induction of Fuzzy Rule Based Classifiers with
Evolutionary Boosting Algorithms . IEEE Transactions in Fuzzy Sets (Admitido para publicacin)
Otero, J. Snchez, L. Induction of descriptive fuzzy classifiers with the Logitboost algorithm. Soft Computing
(Admitido para publicacin)
En desarrollo
Actualmente est sometido un trabajo en el que se utiliza la inferencia clsica max-min en lugar de la
combinacin suma-producto, y est en proyecto el desarrollo de un algoritmo de aprendizaje con pesos
lingsticos.
54
TTULO: El problema del desensamblaje (y otros problemas de logstica inversa)
Descripcin
La problemtica medioambiental que supone la eliminacin de los residuos est forzando a los gobiernos a
imponer a los productores la recuperacin de determinado porcentaje de los materiales que fabrican. Un
problema asociado a este hecho es el de decidir, dado un producto, en qu orden y qu partes son las que deben
extraerse, de modo que sea factible la secuencia, que los costes totales sean los mnimos, y que el porcentaje de
material desechado sea el menor posible. El problema de desensamblaje consiste pues en decidir, dado el diseo
de un determinado producto, el orden de rotura de uniones entre piezas y de extraccin de los componentes, de
modo que se cumplan los criterios antes mencionados.
Otros problemas similares relacionados con el medioambiente surgen en las decisiones asociadas al
establecimiento de rutas de recogida de desechos, localizacin de contenedores, transporte de materiales, etc.
Aplicaciones
Desensamblaje de productos teniendo en cuenta sus especificaciones de diseo y materiales utilizados.
Definicin de rutas de recogida.
Mtodos aplicados
Heursticos
Simulacin
Tabu Search
Scatter Search
Artculos realizados
Daz, A., F. Moure and M. Rendueles (2002), Automatic disassembly plans: applications to the continuous
process industries case, Journal of Manufacturing Systems, vol. 21, pp. 276-286
Daz, A., B. lev, R. Artime (2004) Simulation in dynamic environments: optimization of transportation
inside a coal mine. IIE Transactions, to appear.
Daz, A., F. Moure, M. Rendueles, M. Daz (2001) The disassembly problem and the blood cracking
decision process, Proceedings of SPIE, vol. 4193, pp. 391-402
Daz, A., M. Gonzlez, P. Gonzlez (1999) On-line timetable re-scheduling in regional train services.
Transportation Research-B, vol. 33, pp. 387-398.
En desarrollo
Actualmente estamos trabajando en un algoritmo Scatter Search incluido dentro de un sistema heurstico que
determina el nivel de desensamble requerido a partir de la lista de materiales (BOM) y de la informacin
contenida en el sistema CAD que almacena el diseo del producto, que permita la ordenacin de las operaciones
de desensamblaje para diferentes alternativas de fin de vida para los subcomponentes.
55
TTULO: El problema del testado de software (cobertura de software)
Descripcin
Dentro del proceso de desarrollo de software, la del testado es uno de los pasos ms caros (se estima en ms de
un 50% del tiempo de desarrollo) y ms difciles de realizar. Se trata de identificar una serie de casos (datos de
entrada al programa) que permitan explorar todas las partes del programa. Aunque en la prctica el nmero de
casos necesarios para un testeo completo es infinito, las tcnicas de generacin automtica de casos tratan de
facilitar la labor encontrando un conjunto razonable sin que la eficiencia no se pierda. Entre los distintas tcnicas
utilizadas para este problema destacan las tcnicas aleatorias, las estticas (el programa testado no se ejecuta) y
las dinmicas (en las que el programa se instrumenta previamente). Empleando mataheursticas se han publicado
para este problema algoritmos basados en TS, SA y GA.
Aplicaciones
Testeo de software durante la fase de desarrollo
Mtodos aplicados
Heursticos
Tabu Search
Scatter Search
Artculos realizados
Daz, E., J. Tuya, R. Blanco, "Automated software testing using a metaheuristic technique based on Tabu
Search", 18th IEEE International Conference on Automated Software Engineering, 310-313, Montreal, October
2003.
Blanco, R., J. Tuya, E. Daz, A. Daz (2004) A scatter search approach for automated branch coverage in
software testing. Proceedings ICKEDS04, U. Porto
En desarrollo
Actualmente estamos tratando de probar algoritmos basados en SS que sean competitivos frente a algoritmos TS
y GA desarrollados previamente.
56
TTULO: Problemas de Tecnologa de Grupos y fabricacin celular
GRUPO: Universidad de Oviedo (ver colaboraciones con U. de Sevilla)
Descripcin
Teniendo en cuenta las rutas de fabricacin de cada producto en un taller, una inadecuada colocacin de las
mquinas puede lugar a un gran nmero de movimientos que aumenten los costes y el lead-time del producto.
Una metodologa usualmente aplicada es la de agrupar la mquina en clulas de modo que estn juntas la
mquinas necesarias para la realizacin de uno (o varios) productos, evitando as movimientos intercelulares,
pero tratando de evitar que en cada clula haya mquinas que no sean necesarias para la fabricacin de los
productos a ella asignados. El agrupamiento de las mquina esas clulas esun problema de alta complejidad.
Aplicaciones
Layout de talleres
Mtodos aplicados
Tabu Search
Genetic Algorithms
Artculos realizados
Daz, A., S. Lozano, I. Egua (2004) Part-machine grouping using weighted similarity coefficients.
Computers & Industrial Engineering, to appear
Lozano, S., A. Daz, I. Egua, L. Onieva (1999) A One-Step Tabu Search Algorithm for Manufacturing Cell
Design, Journal of the Operational Research Society, vol. 50, pp. 509-516
Daz, A, S. Lozano, J. Racero, F. Guerrero (2001) A One-Step Tabu Search Algorithm for Manufacturing Cell
Design, Computers & Industrial Engineering, vol. 227-240.
En desarrollo
Se estn desarrollando actualmente nuevos algoritmos que combinan el empleo de simulacin con diversas
tcnicas metaheursticas.
57
TTULO: Problema de Seleccin de Variables
GRUPO: Universidad del Pas Vasco
Descripcin
Dado un problema de clasificacin supervisada con un nmero elevado de variables predictoras, se trata de
inducir modelos parsimoniosos que tengan en cuenta el mnimo nmero de variables, a la vez que conserven una
alta capacidad predictora..
Complejidad
NP-difcil
Aplicaciones
Aprendizaje automtico, bioinformtica
Mtodos aplicados
EDAs
Algoritmos Genticos
Bsqueda Local
Artculos realizados
I. Inza, P. Larraaga, R. Blanco, A.J. Cerrolaza. Filter versus wrapper gene selection approaches in DNA
microarray domains. Artificial Intelligence in Medicine, special issue in "Data mining in genomics and
proteomics". In press.
R. Blanco, P. Larraaga, I. Inza, B. Sierra. Gene selection for cancer classification using wrapper approaches.
International Journal of Pattern Recognition and Artificial Intelligence. In press.
I. Inza, B. Sierra, R. Blanco, P. Larraaga (2002) Gene selection by sequential wrapper approaches in microarray
cancer class prediction. Journal of Intelligent and Fuzzy Systems, 12(1), 25-34.
I. Inza, M. Merino, P. Larraaga, J. Quiroga, B. Sierra, M. Girala (2001) Feature subset selection by genetic
algorithms and estimation of distribution algorithms. A case study in the survival of cirrhotic patients treated
with TIPS. Artificial Intelligence in Medicine, 23/2, 187-205.
I. Inza, P. Larraaga, B. Sierra (2001) Feature Subset Selection by Bayesian Networks: a comparison with
genetic and sequential algorithms. International Journal of Approximate Reasoning, 27/2, 143-164.
I. Inza, P. Larraaga, R. Etxeberria, B. Sierra (2000) Feature Subset Selection by Bayesian networks based
optimization. Artificial Intelligence, 123(1-2), 157-184.
58
TTULO: Problema de Clasificacin no Supervisada
Descripcin
Clustering particional: Dado un conjunto de datos se trata de construir una particin del mismo en subconjuntos,
de tal forma que aquellos datos que se encuentran en la misma particin sean similares y al mismo tiempo
disimilares a los que se encuentran en diferentes particiones.
Clustering jerrquico: Dado un conjunto de datos se trata de construir una jerarqua que refleje la estructura de
grupo de dicho conjunto.
Clustering probabilstico: Dado un conjunto de datos se trata de establecer una distribucin de probabilidad sobre
dicho conjunto que describa la estructura probabilstica de grupos subyacente.
Complejidad
NP-difcil
Aplicaciones
Aprendizaje automtico, Medicina, Bioinformtica,...
Mtodos aplicados
EDAs
Algoritmos Genticos
Bsqueda Local
Artculos realizados
J.M. Pea, J.A. Lozano, P. Larraaga. Unsupervised learning of Bayesian networks via estimation of distribution
algorithms: an application to gene expression data clustering. International Journal of Uncertainty, Fuzziness
and Knowledge-Based Systems. In press.
J. M. Pea, J. A. Lozano, P. Larraaga (1999) An empirical comparison of four initialization methods for the k-
means algorithm. Pattern Recognition Letters, 20 (10), 1027-1040.
J. A. Lozano, P. Larraaga (1999) Applying genetic algorithms to search for the best hierarchical clustering of a
dataset. Pattern Recognition Letters, 20 (9), 911-918.
J. A. Lozano, P. Larraaga, M. Graa, F. X. Albizuri (1999) Genetic algorithms: bridging the convergence gap.
Theoretical Computer Science, 229, 11-22.
59
TTULO: Problema del Agente Viajero
Descripcin
Dado un conjunto de ciudades se trata encontrar aquella ruta que pasando una vez por cada ciudad y terminando
en la primera utiliza el mnimo nmero de kilmetros.
Complejidad
NP-difcil
Aplicaciones
Problemas de logstica
Mtodos aplicados
EDAs
Algoritmos Genticos
Bsqueda Local
Artculos realizados
P. Larraaga, C. Kuijpers, R. Murga, I. Inza, S. Dizdarevich (1999) Evolutionary algorithms for the travelling
salesman problem: A review of representations and operators. Artificial Intelligence Review, 13, 129-170.
60
TTULO: Problema de Aprendizaje Estructural de Redes Bayesianas
Descripcin
Dado un conjunto de datos se trata de encontrar la estructura de red Bayesiana (grafo acclico dirigido) que
maximiza un criterio de bondad (BIC, verosimilitud marginal,...).
Complejidad
NP-difcil
Aplicaciones
Aprendizaje automtico, bioinformtica
Mtodos aplicados
EDAs
Algoritmos Genticos
Scatter Search
Bsqueda Local
Artculos realizados
R. Blanco, I. Inza, P. Larraaga (2003) Learning Bayesian networks in the space of structures by estimation of
distribution algorithms. International Journal of Intelligent Systems, 18, 205-220.
B. Sierra, P. Larraaga (1998) Predicting the survival in malignant skin melanoma using Bayesian networks
automatically induced by genetic algorithms. An empirical comparision between different approaches. Artificial
Intelligence in Medicine, Vol. 14, Nos. 1, 2, 215-230.
P. Larraaga, C. Kuijpers, M. Poza, R. Murga (1997) Decomposing Bayesian networks by genetic algorithms.
Statistics and Computing, Vol. 7. No. 1, 19-34.
R. Etxeberria, P. Larraaga, J.M. Pikaza (1997) Analysis of the behaviour of the genetic algorithms when
searching Bayesian networks from data. Pattern Recognition Letters, Vol. 18, No. 11-13, 1269-1273.
P. Larraaga, C. Kuijpers, R. Murga, Y. Yurramendi (1996) Learning Bayesian network structures by searching
for the best ordering with genetic algorithms. IEEE Transactions on System, Man and Cybernetics, Vol 26. No.
4, 487-493.
P. Larraaga, M. Poza, Y. Yurramendi, R. Murga, C. Kuijpers (1996) Structure learning of Bayesian networks
by genetic algorithms: A performance analysis of control parameters. IEEE Transactions on Pattern Analysis
and Machine Intelligence,Vol. 18. No. 9, 912-926.
61
TTULO: Problema del macheo inexacto de grafos
Descripcin
Dados dos grafos con diferente nmero de aristas y vrtices, se trata de hallar la mejor correspondencia entre los
mismos.
Complejidad
NP-difcil
Aplicaciones
Visin por computador
Mtodos aplicados
EDAs
Algoritmos Genticos
Artculos realizados
E. Bengoetxea, P. Larraaga, I. Bloch, A. Perchant, C. Boeres (2002) Learning and simulation of Bayesian
networks applied to inexact graph matching. Pattern Recognition, 35(12), 2867-2880.
62
TTULO: Plegamiento y modelado de protenas.
Descripcin
Se utilizan diferentes modelos de protenas para investigar el problema de encontrar la estructura de la protena
que optimice una funcin de energa dada. Los modelos utilizados son:
wModelo HP de plegado de secuencias de protenas.

wModelo basado en la utilizacin de bibliotecas de rotamers para la determinacin de la estructura lateral de los
residuos de las protenas.
Complejidad
En ambos problemas la complejidad es NP-duro
Aplicaciones
Modelacin de protenas.
Mtodos aplicados
Algoritmos de Estimacin de Distribuciones (EDAs)
Bsquedas en entornos variables (VNS)
Artculos realizados
R. Santana, P. Larraaga, and J. A. Lozano. Protein structure prediction in simplified models with estimation of
distribution algorithms. In Proceedings of the IV Congreso Espaol sobre Metaheursticas,
Algoritmos Evolutivos y Bioinspirados (MAEB-2005), Granada, Spain, 2005. Thomson. Pp. 245-252.
R. Santana, P. Larraaga, and J. A. Lozano. Combining Variable Neighborhood Search and Estimation of
Distribution Algorithms in the protein side chain placement problem. Proceedings of he 18th Mini EURO
Conference on Variable Neighborhood Search. 2005
R. Santana, P. Larraaga, and J. A. Lozano. Protein folding in 2-dimensional lattices with estimation of
distribution algorithms. In Proceedings of the First International Symposium on Biological and
Medical Data Analysis, volume 3337 of Lecture Notes in Computer Science, pages 388-398,
Barcelona, Spain, 2004. Springer Verlag .
63
TTULO: Estudio Terico de Algoritmos de Computacin Evolutiva
Descripcin
Se ha medido el comportamiento de ciertos EDAs en cuanto a convergencia y a complejidad temporal. Para ello
se han utilizado, principalmente dos herramientas matemticas que permiten el modelado y posterior anlisis de
los mismos, las cadenas de Markov y los sistemas dinmicos discretos.
Complejidad
No tiene sentido
Aplicaciones
Uso adecuado de algoritmos evolutivos
Mtodos aplicados
EDAs
Artculos realizados
C. Gonzlez, J.A. Lozano, P. Larraaga (2002). Mathematical modelling of UMDAc algorithm with tournament
selection. Behaviour on linear and quadratic functions. International Journal of Approximate Reasoning, 31(3),
313-340.
C. Gonzlez, J.A. Lozano, P. Larraaga (2000). Analyzing the PBIL algorithm by means of discrete dynamical
systems. Complex Systems, 12(4), 465-479.
C. Gonzlez, J.A. Lozano y P. Larraaga (2002). Mathematical Modelling of Discrete Estimation of
Distribution Algorithms. En P. Larraaga y J. A. Lozano editores, Estimation of Distribution Algorithms. A
New tool for
Evolutionary Computation, 147-163. Kluwer Academic Publishers.
C. Gonzlez, J.A. Lozano y P. Larraaga (1999). Algoritmo PBIL: un Anlisis Terico Preliminar. En Actas de
la VIII Conferencia de la Asociacin Espaola para la Inteligencia Artificial, CAEPIA, 81-88.
C. Gonzlez, J.A. Lozano y P. Larraaga (2001). The Convergence Behavior of the PBIL Algorithm: A
Preliminary Approach. En V. Kurkov, N. C. Steele, R. Neruda y M. Krn editors. En Proceedings of Fifth
International
Conference on Artificial Neural Networks and Genetic Algorithms, ICANNGA, 228-231.
C. Gonzlez, J.A. Lozano y P. Larraaga (2002). Modelado Matemtico del Algoritmo UMDAc con Seleccin
por Torneo Aplicado a Funciones Lineales. En Actas del Primer Congreso Espaol de Algoritmos Evolutivos y
Bioinspirados, AEB, 437-444.
C. Gonzlez, J. D. Rodrguez, J. A. Lozano y P. Larrraaga (2003). Analysis of the Univariate Marginal
Distribution Algorithm Modeled by Markov Chains. En J. Mira y J. R. lvarez editores, IWANN, volumen 2686
de Lectures Notes in Computer Science, 510-517. Springer.
C. Gonzlez, J.A. Lozano y P. Larraaga (2004). Anlisis del Peor caso para el Tiempo Esperado por UMDAc
en Alcanzar el ptimo por Primera Vez. En Actas del Tercer Congreso Espaol de Metaheursticas, Algoritmos
Evolutivos y Bioinspirados MAEB, 262-269.
C. Gonzlez, A. Ramrez, J. A. Lozano y P. Larraaga (2005). Average Time Complexity of Estimation of
Distribution Algorithms. En J. Cabestany, A. Prieto y F. Sandoval editores, IWANN, volumen 3512 de Lectures
Notes in Computer Science, 42-49. Springer.
64
TTULO: Problema de Testeo de Software
Descripcin
Dado una rutina de software se trata de encontrar de forma automtica las entradas que cumplen un cierto
criterio de testeo. Por ejemplo, una clase de criterios tpica consiste en ejercitar ciertas entidades del cdigo
fuente de la rutina, como son ramas, caminos, etc.
Complejidad
Desconocida
Aplicaciones
Ingeniera del Software
Mtodos aplicados
EDAs
Scatter Search
Artculos realizados
R. Sagarna, J.A. Lozano. 2006. Scatter Search in Software Testing, Comparison and Collaboration with
Estimation of Distribution Algorithms. European Journal of Operational Research, 169(2):392-412.
R. Sagarna, J.A. Lozano. 2005. On the Performance of Estimation of Distribution Algorithms Applied to
Software Testing. Applied Artificial Intelligence, 19(5):457-489.
R. Sagarna, J.A. Lozano. 2005. Self-Adaptive Representations to Enhance the Generation of Software Test Data.
Proceedings of the Fourth Spanish Conference on Metaheuristics, Evolutive and Bioinspired Algorithms,
MAEB 2005. Granada, Spain, pp. 581-588.
R. Sagarna, J.P. Calvete, J.A. Lozano. 2005. EDATest: Una Herramienta de Testeo de Software para la
Generacin Automtica de Casos de Prueba mediante Algoritmos de Estimacin de Distribuciones. Proceedings
of the Sixth Spanish Symposium on Technology Transfer from Artificial Intelligence, TTIA 2005. Granada,
Spain, pp. 99-106. In Spanish.
R. Sagarna, J.A. Lozano. 2004. Cooperacin entre Bsqueda Dispersa y Algoritmos de Estimacin de
Distribuciones en el Testeo de Software. Proceedings of the Third Spanish Conference on Metaheuristics,
Evolutive and Bioinspired Algorithms, MAEB 2004. Crdoba, Spain, pp. 163-170. In Spanish.
R. Sagarna, J.A. Lozano. 2003. Variable Search Space for Software Testing. Proceedings of the International
Conference on Neural Networks and Signal Processing, ICNNSP'03. Nanjing, China, pp. 575-578.
R. Sagarna, J.A. Lozano, R. Murga, L.M. Gonzlez. 2003. Dealing with Software Testing via Estimation of
Distribution Algorithms: a preliminary research. Proceedings of the Second Spanish Conference on
Metaheuristics, Evolutive and Bioinspired Algorithms, MAEB 2003. Gijn, Asturias, Spain, pp. 70-77.
65
TTULO: Problema de p-Mediana con restricciones de capacidad.
GRUPO: Universitat Politcnica de Catalunya
Descripcin
Se trata de particionar un conjunto de clientes, cada uno de ellos con una demanda conocida,
en exactamente p grupos (clusters). Cada grupo viene caracterizado por los clientes que
atiende, as como por la localizacin de su mediana que determina tanto su capacidad como
su coste. Cada grupo debe ser tal que la demanda total de todos sus clientes no exceda la
capacidad de su mediana. Existe un coste de asignaci de cada cliente a cada mediana y el
coste de un grupo es la suma de los costes de asignacin de todos sus clientes. El problema
consiste en encontrar el conjunto de p medianas y el esquema de asignacin que satisface las
restricciones de capacidad de coste total mnimo.
Complejidad
NP-difcil
Aplicaciones
Clasificacion de datos para almacenamiento, obtencin de informacin o anlisis de
datos. Localizacin de servicios.
Mtodos aplicados
GRASP
Scatter Search
Path Relinking
Artculos realizados
Juan A. Daz, Elena Fernndez (2003) Scatter Search and Path Relinking for the Capacitated p-Median Problem,
Research Report DR2003/15, Departament dEstadstica i Investigaci Operativa, Universitat Politcnica de Catalunya,
Acceptat a European Journal of Operational Research.
En desarrollo
66
TTULO: Problema de Asignacin Generalizada
Descripcin
Dados un conjunto de mquinas indexadas en un conjunto I, cada una de ellas con una
capacidad de trabajo bi, y un conjunto de tareas indexadas en un conjunto J, tales que en caso
de que la tarea jJ sea realizada por la mquina i, se consume una cantidad dij de la
capacidad de la mquina iI, y supone un coste cij, encontrar la asignacin de tareas a
mquinas tal que cada tarea sea realizada completamente por una nica mquina, no se
rebase la capacidad total de trabajo de ninguna de las mquinas y el coste total de la
asignacin sea lo menor posible.
Complejidad
NP-difcil. El problema de decisin de saber si una determinada instancia tiene una solucin factible es NP-
completo.
Aplicaciones
Asignacin de tareas a mquinas, asignacin de espacio para almacenamiento, diseo de
redes de comunicaciones, asignacin de programas a ordenadores, etc.
Mtodos aplicados
Heurstica de bsqueda tab.
Artculos realizados
J.A. Daz, E. Fernndez ( 2001), A Tabu Search Heuristic for the Generalized Assignment Problem, European
Journal of Operational Research 132(1) 22- 38.
En desarrollo
67
TTULO: Problema de Localizacin de Plantas con restricciones de capacidad y
fuente nica
Descripcin
Se conoce un conjunto de ubicaciones potenciales para unas plantas, indexadas en un
conjunto I, cada una de ellas con un coste de apertura fi y una capacidad bi. Tambin se
conoce un conjunto de clientes, indexados en un conjunto J, cada uno de ellos con una
demanda dj. Adicionalmente, para cada par cliente/planta (i,j), iI, jJ, es conocido el coste
de asignacin del cliente j a la planta i, cij. Se trata de encontrar un conjunto de plantas a abrir
y un esquema de asignacin de clientes a plantas abiertas de forma que i) cada cliente est
asignado a una nica planta, ii) la suma de las demandas de los clientes asignados a cada
planta abierta no supere la capacidad de la planta y el coste total de apertura de plantas ms
asignacin de clientes sea lo menor posible.
Complejidad
NP-difcil
Aplicaciones
Ubicacin de servicios; asignacin de clientes a los servicios abiertos. Ubicacin de oficinas
de correos, vertederos, hospitales, almacenes, etc. Localizacin de concentradores en diseo
de redes.
Mtodos aplicados
GRASP
Algoritmo Gentico.
Simulated Annealing
Bsqueda Tab.
Artculos realizados
H. Delmaire, J.A. Daz, E. Fernndez, M. Ortega (1999), Reactive GRASP and Tabu Search Based Heuristics for the
Single Source Capacitated Plant Location Problem, Information Systems and Operational Research (INFOR) 37 194-
225.
E. Fernndez, R. Mart (1999), GRASP for Seam Drawing in Mosaicking of Aerial Photographic Maps, Journal of
Heuristics 5 181-197.
H. Delmaire, J.A. Daz, E. Fernndez, M. Ortega (1999), Comparing New Heuristics for the Pure Integer Capacitated
Plant Location Problem, Investigacin Operativa 8 217-242.
68
TTULO: Problema de equilibrado de lneas
GRUPO: Universidad Politcnica de Valencia
Descripcin
El problema de equilibrado lneas es un problema clsico de diseo de sistemas de fabricacin en flujo que ha
sido estudiado desde hace ms de 40 aos. El objetivo de equilibrar una lnea es la asignacin de un conjunto de
tareas ligadas entre s por relaciones de precedencia a estaciones de trabajo de tal forma que no se sobrepase un
lmite de asignacin marcado por el tiempo de ciclo de la lnea, adicionalmente es conveniente que la suma de
los tiempos de las tareas asignadas a cada estacin sea lo ms parecida posible.
En las configuraciones en lnea o flujo, las tareas se deben de desarrollar sucesivamente y conducen a la
obtencin de un producto final. En este tipo de problemas, las relaciones de precedencia entre las tareas imponen
un orden parcial, y obligan a que algunas tareas deban ser completadas antes de otras. Dentro de cada estacin el
producto debe de permanecer un tiempo mximo determinado por el tiempo de ciclo de la lnea. Cuando se parte
de las hiptesis de un nico producto a fabricar y todos los datos son conocidos se denomina problema simple de
equilibrado de lneas SALBP.
Tradicionalmente se han considerado dos tipos de problemas SALBP. En primer lugar se tiene el SALBP1
donde el objetivo a optimizar es el nmero de estaciones para un tiempo ciclista dado (si en cada estacin hay un
nico trabajador, entonces el objetivo puede ser interpretado como la minimizacin de costos de personal). En
segundo lugar, el SALBP2 persigue la minimizacin del tiempo de ciclo para un nmero de estaciones
predeterminado (o lo que es lo mismo, la maximizacin de la capacidad de produccin de la lnea).
Esta lnea de trabajo persigue extender los modelos SALBP a casos ms generales y validar el uso de diferentes
tcnicas de resolucin.
Complejidad
SALBP es NP-hard (Gutjahr, A. and G.L. Nemhauser, 1964. An algorithm for the line balancing problem.
Management Science 11, 2)
Aplicaciones
Diseo de Sistemas de Produccin. Mejora en Centros Especiales de Empleo de personas con discapacidades
Mtodos aplicados
Heursticos, Tabu Search, PSO, GRASP
Artculos realizados
Miralles, C, Garca, J. P., Andrs, C., y Cards, M. Branch and Bound Procedures for solving the
Assembly Line Worker Assignment and Balancing Problem. Application to Sheltered Work Centres for
Disabled, DISCRETE APPLIED MATHEMATICS (aceptado)
Pastor, R. , Andrs, C., Durn, A., y Prez, M., Tabu search algorithms for an industrial multi-product and
multi-objective assembly line balancing problem, with reduction of the task dispersion, Journal of Operational
Research Society, 53, (2002)
Miralles, C. Garca, J. P., Andrs, C. y Cards, M., Procedimientos de resolucin para el equilibrado de lneas
de montaje considerando variables los tiempos de operacin. Aplicacin en Centros Especiales de Empleo, V
Congreso de Ingeniera de Organizacin, Valladolid (2003)
Pastor, R. y Andrs, C., Scheduling and line balancing in a multiple-product assembly line using tabu search,
Eight international Workshop on project management and scheduling PMS2002, Valencia (2002)
Andrs Romano, C., Molins Garca, A., Albarracn Guillem, J.M., Vicens Salort, V., Balance de lneas de
montaje mediante la utilizacin de Tab Search. Aplicacin a una empresa del Sector de Automocin,
XIV Congreso Nacional de Estadstica e Investigacin Operativa, Almera (1998)
En desarrollo
Actualmente estamos trabajando en diferentes variantes del problema dentro de un proyecto nacional.
Concretamente se estn abordando los setups entre tareas de la lnea, grafos de precedencias alternativos, lineas
multimodelo,
69
TTULO: Secuenciacin con setups.
GRUPO: Universidad Politcnica de Valencia
Descripcin
En esta lnea de trabajo se aborda la problemtica de secuenciacin en sistemas de fabricacin donde se
consideran tiempos de cambio de partida. En concreto, el objetivo es determinar las asignacin y secuencia de n
trabajos en m mquinas disponibles, donde se necesita un subconjunto de estas mquinas para completar cada
trabajo de tal manera que se optimice una medida de eficiencia determinada. El flujo u orden de procesamiento
de cada trabajo en las mquinas puede ser o no ser prefijado para algunos o todos los trabajos. Se considera la
existencia de tiempos (o costes) de cambio de partida definidos como una cantidad de tiempo (o un coste
monetario) invertida en ajustar los recursos para pasar de realizar un trabajo a otro diferente. Los setups pueden
ser separables o no del tiempo de proceso, anticipativos o no anticipativos o dependientes de la secuencia o
independientes de la secuencia
Complejidad
NP-completo (en el caso de flowshop de dos mquinas y setup dependientes de la secuencia Gupta, J.N.D.,
1986. Flowshop schedules with sequence dependent setup times. Journal of the Operational Research
Society of Japan 29 (3), 206219.)
Aplicaciones
Cualquier problema de secuenciacin donde sean apreciables los setups
Mtodos aplicados
Heursticos
GA
Recocido Simulado
Tabu Search
Algoritmos genticos
Artculos realizados
Andrs, C., Tormo, G., Albarracn, J.M., Vicens, V, Garfcia, J. P. Group Technology in a two stage flowshop
environment: a case study, European Journal of Operational Research, 167, 272-28 (2005).
Gmez, C.; Andrs, C.; Garca, J. P., Dynamic Hybrid flowshop scheduling with due dates and sequence
dependent setup times, 9th Internacional workshop on Project Management and Scheduling, Nancy (Francia)
(2004)
Corts, R., Garca, J. P. y Andrs, C., A set covering formulation for the parallel machina scheduling problem
with variable resources, International Conference on Industrial Engineering and Production Management
(IEPM03), Oporto (Portugal) (2003)
Andrs, C., Algoritmo de bsqueda tab para la secuenciacin en talleres de flujo hibridos con tiempos de
cambio de partida dependientes de la secuencia. Aplicacin a empresas del sector cermico, MAEB03 II
Congreso Espaol de Metaheursticas, Algoritmos Evolutivos y Bioinspirados, Gijn (2003).
Andrs, C., Scheduling in Hybrid Flowshops with sequence dependent setup times. A MILP model and a
simulated annealing approach, International Conference on Artificial Intelligence IC-AI02-International
Multiconference in Computer science, Las Vegas, EEUU (2002)
Andrs, C., A comparative study of Heuristic Rules in Dynamic Hybrid Flowshops with sequence dependent
setup times, Eight international Workshop on project management and scheduling PMS2002, Valencia (2002)
Andrs Romano, C., Abad Herranz, R., Ros McDonell, L, Vicens Salort, V., A Genetic Algorithm for
Production Scheduling in a two stage hybrid flowshop with sequence dependent setup times, 16th European
Conference on Operations Research, Bruselas (1998)
En desarrollo
Actualmente estamos trabajando en problemas monomquina con setup dependientes de la posicin en la
secuencia, flowshop con medidas de eficiencia no regulares, hybrid flowshop con buffers y la integracin de los
problemas de lot-sizing y scheduling.
70
TTULO: Distribution Management Problems
GRUPO: Universitat Pompeu Fabra
Description
In todays highly competitive environment effective logistic operations cannot exist without the high
level of coordination among various functional areas. From these integration processes, firms gain important
competitive advantages and leading organizations are paying attention to these issues. There has been a growing
recognition of the importance of the integration topic, not only inside the firm but also on a research level.
Inside the area of distribution management problems there are the decision-making problems related with
the delivery of products to customers, on a given period of time, using a fleet of vehicles. The decisions on how
to assign customers to drivers and to design the routes made by each vehicle constitute the Vehicle Routing
Problem (VRP). Usually, the vehicle routing is responsibility of the Distribution department. However, since
many drivers also perform commercial activities, the Marketing department has the objective of maintaining
always the same delivery agent assigned to the same customer. How to balance these two, possible opposite,
objectives is an interesting issue when the firm wants to implement integrated distribution processes.
In many industries, the logistic planning functions of transportation \ and inventory play an important role
and integrating these two areas may lead to significant gains and more competitive distribution strategies. The
coordination of these activities can be an extremely important source of competitive advantage in the supply
chain management. The battle for cost reduction can pass through the equilibrium of transportation costs versus
inventory managing costs.
The above problems are complex combinatorial optimization problems and require heuristics to solve
them. Iterated Local Search (ILS) algorithms have been applied successfully to a variety of combinatorial
optimization problems. In some cases, these algorithms achieve extremely high performance and even constitute
the current state-of-the-art metaheuristics, while in other cases the ILS approach is merely competitive with other
metaheuristics. ILS has many of the desirable features of a metaheuristic: it is simple, easy to implement, robust,
and highly effective.
Complexity
Most of the distribution management problems are NP-hard.
Applications
Applications in real-world cases. Particularly in distribution companies, or manufacturing and distribution
companies, for example: food and beverages industries.
Applied Methods
Iterated Local Search
Published Papers
Working Papers: Inventory-Routing Model, for a Multi-Period Problem with
Stochastic and Deterministic Demand, (with H.R. Loureno), Economic Working
Papers Series, Department of Economics and Business, Universitat Pompeu Fabra,
n. 725, November 2003.
Working Papers: Multi-Period Vendor Managed Inventory Systems, (with H.R. Loureno),
Economic Working Papers Series, Department of Economics and Business, Universitat Pompeu Fabra,
n 724, December, 2003.
Working Papers: Strategies for an Integrated Distribution Problem, (with H.R. Loureno),
Economic Working Papers Series, Department of Economics and Business, Universitat Pompeu Fabra,
n 723, November, 2003.
A multi-objective model for a Multi-period Distribution Management Problem,
(with H.R. Loureno), in Proceeding of the First International Conference on
Integrated Logistics, Singapore, pp. 463-471, August 2001.
In progress
Actually we are working in several Distribution Problems, both in models and real applications.
71
TTULO: Logistics Problems
Description
The key to success in Logistics Management (LM) requires heavy emphasis on integration of activities,
cooperation, coordination and information sharing throughout the entire supply chain, from suppliers to
customers. To be able to respond to the challenge of integration, modern businesses need sophisticated decision
support systems (DSS) based on powerful mathematical models and solution techniques, together with advances
in information and communication technologies. There is no doubt that quantitative models and computer based
tools for decision making have a major role to play in todays business environment. This is especially true in
the rapidly growing area of logistics management. These computer-based logistics systems can make a
significant impact on the decision process in organizations. That is why both industry and academia alike have
become increasingly interested in using LM and logistics DSS as a means of responding to the problems and
issues posed by changes in the area.
Many well-known algorithmic advances in optimization have been made, but it turns out that most have not had
the expected impact on decisions for designing and optimizing logistics problems. For example, some
optimization techniques are of little help in solving complex real logistics problems in the short time needed to
make decisions. Also, some techniques are highly problem-dependent and need high expertise. This leads to
difficulties in the implementation of the decision support systems which contradicts the trend towards fast
implementation in a rapidly changing world. In fact, some of the most popular commercial packages use
heuristic methods or rules of thumb. The area of heuristic techniques has been the object of intensive studies in
the last few decades, with new and powerful techniques, including many metaheuristic methods, being proposed
to solve difficult problems. There is therefore, on the one hand, the need for sophisticated logistics DSS to enable
organizations to respond quickly to new issues and problems faced in LM, and, on the other, there are advances
in the area of metaheuristics that can provide an effective response to complex problems. This provides a fertile
ground for the application of these techniques in LM and, subsequently, the development of computer-based
systems to help logistics decisions.
Complexity
Most of the logistics problems are NP-hard.
Applicacions
An hot topic in business area with a large number of real applications.
Applied Methods
Tabu Search, Scatter Search, Iterated Local Search, Hybrid heuristics
Published Papers
Logistics Management: an opportunity for Metaheuristics, in Adaptive memory
and Evolution: Tabu Search and Scatter Search, C. Rego and B. Alidaee (eds.),
Kluwer Academic Publishers, (2004) (forthcoming).
A multi-objective model for a Multi-period Distribution Management Problem,
(with R. Ribeiro), in Proceeding of the First International Conference on Integrated
Logistics, Singapore, pp. 463-471, August 2001.
e-logistics, in La Logstica Empresarial a les portes del nou millenni (Business
Logistics for the new millennium), Daniel Serra (editor), Fundacin Empresa
Ciencia, 2002.
In progress
Actually we are working in several real applications in the area of logistics, in particular in Distribution Problems
and Reverse Logistics Problems.
72
TTULO: Scheduling Problems
Description
Scheduling refer to the assignment of limited resources over time to accomplish an organizations tasks. Some
usual objectives of a scheduling system are to maximize resources utilization, to minimize completion time or
the customer waiting time. Even though sometimes it is a short-term decision, it has an important strategic
component, since it extends to all of the economical activities of the company. The Operations Research
literature is rich in models and techniques to scheduling problems. However, it appears that each new real
scheduling problem presents different characteristics that must be taken into account. On the other hand, many
lessons can be learned from the extensive scheduling literature. Given the complexity and size of most real
scheduling problems, it is clear that to be able to solve efficiently these problems, an heuristic method should be
used. The scheduling planning system should be able to give a good solution within an acceptable time. The
most successful methods to solve scheduling problem are based on metaheuristics. We have worked in the
following scheduling problems:
One-machine scheduling problems.
Job-shop scheduling problems.
Production scheduling problems.
Crew scheduling problems.
Exam proctor scheduling problems.
Complexity
NP-hard
Applicacions
A large number of applications in manufacture and services industries.
Applied Methods
Tabu Search, Genetic algorithms, Scatter Search, Iterated Local Search, Hybrid heuristics
Published Papers
Loureno H.R, J.P. Paixo and R. Portugal, Multiobjective metaheuristics for the bus-driver
scheduling problem, Transportation Science, vol. 35, n. 3, pp. 331-343, August 2001.
Loureno H.R., J.P. Paixo and R. Portugal, Gerao de Servios de Motoristas atravs de
Metaheurstica- Sistema GIST (The GIST system for public transportation: the bus-driver scheduling
module), in Industrial Applications of Operations Research, L. Valadares Tavares and C. Henggeler
Antunes (eds.), McGraw-Hill, pp. 168-184, 2000.
Loureno H.R Job-Shop Scheduling: computational study of local search and large-step optimization
methods European Journal of Operational Research, vol. 83, n. 2, pp. 347-364, 1995.
R. Mart, M. Laguna, Loureno H.R Assigning Proctors to Exams with Scatter Search, in
Computing Tools for Modeling, Optimization and Simulation, M. Laguna and J.L. Gonzlez Velarde
(eds.), Kluwer Academic Publishers, pp. 215-228 (2000).
Loureno H.R, M. Zwijnenburg Combining the large-step optimization with tabu-search: application
to the job-shop scheduling problem, in Meta-Heuristics: Theory and Applications, I.H. Osman and
J.P. Kelly (eds.), Kluwer Academic Publishers, pp. 219-236 (1996).
In progress
Actually we are working in several real applications in the area of scheduling, as Concrete Sleepers Production
Scheduling and new Crew Scheduling problems in the transportation industry
73
TTULO: Problema de la Mxima Diversidad
GRUPO: Universidad Rey Juan Carlos
Descripcin
Sea S = {si : i N} un conjunto de elementos donde N = {1, 2,.., n} es un conjunto de ndices y cada
elemento si puede ser representado por un vector si = (si1, si2, ..,sir). Sea dij la distancia entre cualesquiera dos
elementos de S si y sj, y sea m < n el tamao deseado del conjunto de diversidad. El problema que consiste en
seleccionar los m elementos de S maximizando la suma de las distancias entre ellos se puede describrir
matemticamente como sigue:
max d
i< j
ij xi x j
s.t. :
n
x
i =1
i =m
x i {0,1} i = 1,.., n
donde xi = 1 indica que el elemento si ha sido seleccionado
Complejidad
NP-hard
Aplicaciones
Sistemas ecolgicos, tratamientos mdicos polticas de inmigracin, servicios de telecomunicacin o ingeniera
gentica.
Mtodos aplicados
Heursticos constructivos
Tabu Search
Scatter Search
GRASP
Artculos realizados
Duarte, A., Marti, R. Tabu search and GRASP for the maximum diversity problem in European
Journal of Operations Research, (En prensa, 2006)
Gallego, M., Duarte, A., Laguna, M. y Mart, R. (2006) "Irbid heuristics for the maximum diversity
problem", technical report. Universidad de Valencia.
En desarrollo
Actualmente estamos desarrollando un nuevo trabajo basado en el estudio de la formulacin lineal entera y la
implementacin de un mtodo exacto que permita medir la eficiencia de los heursticos desarrollados.
74
TTULO: Problema del corte mximo sobre un grafo
Descripcin
El problema del corte mximo (Max-Cut Problem) definido para un grafo no dirigido ponderado S = (V, E, W),
donde V es un conjunto ordenado de vrtices, E es un conjunto ordenado de arcos no dirigidos o aristas y W es
un conjunto ordenado de pesos asociado a cada arista del grafo. El problema de optimizacin del corte mximo
consiste en encontrar una particin del conjunto de nodos V en dos subconjuntos disjuntos V = (C, C), tales que
la suma de pesos de aristas cuyos extremos estn en distinto subconjunto es maximizado. Matemticamente, este
problema se puede formular como sigue:
w(C , C ' ) = w
vC ,uC
vu
Complejidad
NP-completo
Aplicaciones
Diseo de circuitos VLSI, CAD, ASICs o fsica estadstica
Mtodos aplicados
GRASP
VNS
HSA
Path Relinking
Artculos realizados
Duarte A., Snchez, A., Fernndez, F., Sanz, A. A hierarchical social metaheutistic for the maximum diverstity
problem. Lecture Notes in Computer Science.
Montemayor, A. S., Duarte, A., Pantrigo, J.J., Cabido, R. High-Performance VNS for the Max-Cut Problem
Using Commodity Graphics Hardware, MEC VNS 05, Tenerife (Spain), 2005
Duarte, A., Snchez, A., Fernndez, F., Cabido, R. A Low-Level Hybridization between Memetic Algorithm and
VNS for the Max-Cut Problem, ACM Genetic and Evolutionary Computation Conference, GECCO'05,
Washington (USA), 2005
75
TTULO: Software Pipelinng con recursos limitados
Descripcin
Software pipelining es una tcnica de planificacin de instrucciones que utiliza el paralelismo a nivel de
instruccin en los bucles de los lenguajes de programacin por medio del solape entre iteraciones
sucesivas y ejecutndolas todas ellas en paralelo. La idea clave consiste en encontrar un patrn de
operaciones, conocido habitualmente como kernel, de tal forma que cuando repetidamente se itera sobre
ese patrn, se produce el efecto de que una iteracin empiece a ejecutarse antes de que la iteracin previa
haya terminado.
Complejidad
NP-hard
Aplicaciones
Optimizacin de bucles, planificacin de tareas, scheduling
Mtodos aplicados
Heursticos
HSA
GRASP
Artculos realizados
Duarte, A., Fernndez, F., Snchez, A. Software Pipelining using a Hierarchical Social, International
Conference on Recent Advances in Soft-Computiung, RASC'04, Nottingham (UK), 2004
Duarte, A., Fernndez, F., Snchez, A. A Software Pipelining Method Based on Hierarchical Social
Algorithm, Multidisciplinary International Conference on Scheduling: Theory and Applications, MISTA'03,
Nottingham (UK), 2003
Fernndez, F., Snchez, A., Duarte, A., An optimal software-pipelining method for instruction level-parallel
processors based on scaled retiming, IEEE International Conference on Image and Signal Analysis and
Processing, ISPA'01, Pula (Croatia), 2001
En desarrollo
Actualmente estamos desarrollando un algoritmo GRASP para la resolucin de este problema. Como mtodo
constructivo, se propone un heurstico empleado por J. Llosa, E. Ayguade, A. Gonzalez, M. Valero y J.
Eckhardt, titulado Lifetime-sensitive Modulo Scheduling (IEEE Transactions on Computers) aleatorizado.
Como mtodo de mejora se propone la tcnica de Rotation Scheduling
76
TTULO: Segmentacin de Imgenes
Descripcin
Una imagen se puede interpretar como un grafo S = (V, E, W) no dirigido ponderado donde cada pxel o
conjunto de pixels se corresponden con un nodo v V y cada arco no dirigido o aristas e E, refleja la
similitud entre nodos suficientemente cercanos. Adems, cada arista entre nodos i,j V, tiene asociado un
peso wij W, que determina la similitud:
( I i 2I j )
2 2
( xi x j )
e I e x
2
si | xi x j |< r
wij =
0 si | xi x j |< r

Sobre este grafo, la segmentacin de imgenes consiste en extraer el objeto ms relevante. Este proceso
se obtiene por la sucesiva biparticin de un grafo en C y C, de tal forma que se extrae la parte ms
relevante (objeto) y el resto se deja para una posterior particin. El proceso de biparticin se optimiza por
medio de la minimizacin del corte normalizado, que matemticamente se define como sigue:
w
vC ,uC
vu w
vC ,uC
vu
s (C , C) s (C , C)
Ncut (G ) = + = +
w vu
vC ,uC C '
w vu
vC ',uC C '
s (C , G ) s (C, G )
Complejidad
NP-hard
Aplicaciones
Segmentacin, corte sobre grafos
Mtodos aplicados
Heursticos
Memticos
HSA
GRASP
Artculos realizados
Duarte, A., Snchez, A., Fernndez, F. and Montemayor, A. S. Improving Image Segmentation Quality
through Effective Region Merging using a Hierarchical Social Metaheuristic, Journal of Pattern Recognition
Letters (PRL), In press.
Duarte, A., Snchez, A., Fernndez, F. and Montemayor, A. S. Image Segmentation Hybridizing VNS and
Memetic Algorithms, Aceptado para su publicacin como captulo del libro "Genetic and Evolutionary
Comnputer Vision" ,Edt. Hindawi Publishing, Inc, 2005
Duarte, A., Snchez, A., Fernndez, F. and Montemayor, A. S. A Region-based Image Segmentation Algorithm
Using Hierarchical Social Metaheuristics, Aceptado para su publicacin como captulo del libro "Advances in
Image and Video Segmentation", Edt. Idea Group, Inc, 2005
77
TTULO: Diseo de sistemas de fabricacin
GRUPO: Universidad de Sevilla
Descripcin
Se trata de organizar los recursos (mquinas herramientas bsicamente) para optimizar el proceso productivo en
diferentes escenarios. Tradicionalmente hemos trabajado en la formacin de clulas de fabricacin. Ms
recientemente hemos tambin abordado el diseo de sistemas de fabricacin reconfigurables.
Complejidad
No estudiada
Aplicaciones
Fabricacin celular, Fabricacin Flexible
Mtodos aplicados
Metaheursticas (Bsqueda Tab, Particle Swarm Optimization)

Algoritmos de clustering y Redes Neuronales
Artculos realizados
C. Andrs and S. Lozano, A particle swarm optimization algorithm for part-machine grouping, Robotics and
Computer Integrated Manufacturing, (aceptado noviembre 2005)
R. Galan, J. Racero, I. Eguia, D. Canca, A Methodology for Facilitating Reconfiguration in Manufacturing: The
Move Towards Reconfigurable Manufacturing Systems, International Journal on Advanced Manufacturing
Technology, (in press)
B. Adenso-Daz, S. Lozano and I. Egua, Part-machine grouping using weighted similarity coefficients,
Computers and Industrial Engineering, vol. 48, 3 (2005) 553-570
F. Guerrero, S. Lozano, K. Smith, D. Canca and T. Kwok, Manufacturing Cell Formation Using A New Self-
Organising Neural Network, Computers and Industrial Engineering, vol 42, 2-4 (2002) 377-382
S. Lozano, D. Dobado, J. Larraeta and L. Onieva, Modified fuzzy c-means algorithm for cellular
manufacturing, Fuzzy Sets and Systems, vol. 126, 1 (2002) 23-32
D. Dobado, S. Lozano, J.M. Bueno and J. Larraeta, Cell formation using a fuzzy min-max neural network,
International Journal of Production Research, vol. 40, 1 (2002) 93-107
B. Adenso-Daz, S. Lozano, J. Racero and F. Guerrero, Machine Cell Formation in Generalized Group
Technology, Computers and Industrial Engineering, vol. 41, 2 (2001) 227-240
S. Lozano, D. Canca, F. Guerrero and J.M. Garca, Machine grouping using sequence-based similarity
coefficients and neural networks, Robotics and Computer Integrated Manufacturing, vol. 17, 5 (2001) 399-404
S. Lozano, B. Adenso-Diaz, I. Eguia and L. Onieva, A one-step tabu search algorithm for manufacturing cell
design, Journal of the Operational Research Society, vol. 50 (1999) 509-516
En desarrollo
Los resultados de esta investigacin han servido para solicitar un proyecto de investigacin al Ministerio de
Educacin y Ciencia titulado Diseo y planificacin de la produccin en sistemas de fabricacin
reconfigurables (Ref. DPI2005-09210, Duracin: 15/10/2005 14/10/2008)
78
TTULO: Secuenciacin conjunta de la fabricacin y entrega de pedidos
Descripcin
Para una serie de productos perecederos no almacenables la demanda ha de ser satisfecha sobre la marcha, esto
es, ha de planificarse la produccin de forma que sea transportada a las instalaciones del cliente para que llegue
en el instante estipulado por ste. En el caso de que el tiempo se considere discreto el problema tiene carcter
combinatorio existiendo bsicamente cuatro escenarios que resultan de considerar instantes fijos de entrega o
ventanas temporales por un lado y una o mltiples plantas de fabricacin por otro.
Complejidad
No estudiada
Aplicaciones
Distribucin de hormign ready-mix
Mtodos aplicados
GRASP
Algoritmos Genticos
Bsqueda Tab
Heursticas basadas en grafos
Artculos realizados
J.M. Garca and S. Lozano, Production and vehicle scheduling for ready-mix operations, Computers and
Industrial Engineering, vol. 46, 4 (2004) 803-816
J.M. Garca and S. Lozano, Coordinated scheduling of production and delivery from multiple plants, Robotics
and Computer Integrated Manufacturing, vol. 20 (2004) 191-198
J.M. Garca and S. Lozano, Production and delivery scheduling problem with time windows, Computers and
Industrial Engineering, vol. 48, 4 (2005) 733-742
J.M. Garcia, S. Lozano, F. Guerrero and I. Egua, A Genetic Algorithm for Solving a Production and Delivery
Scheduling Problem with Time Windows, in Advances in Artificial Intelligence - IBERAMIA 2002 (F.J. Garijo,
J.C. Riquelme and M. Toro, eds.), Lecture Notes in Artificial Intelligence, vol. 2527, Springer-Verlag, Berlin
(2002) 371-380
J.M. Garcia, K. Smith, S. Lozano and F. Guerrero, A Comparison of GRASP and an Exact Method for Solving
a Production and Delivery Scheduling Problem, in Hybrid Information Systems (A. Abraham and M. Kppen,
eds.), Advances in Soft Computing, Physica-Verlag, Heidelberg (2002) 431-447
En desarrollo
Esta investigacin estuvo asociada a la tesis doctoral de J.M. Garca y al proyecto CICYT DPI2000-0567
Diseo y Desarrollo de un Sistema Integrado de Produccin y Distribucin en un Entorno Metropolitano los
cuales ya han concluido. Como continuacin se podran abordar situaciones de demanda dinmica en las que los
pedidos no son conocidos en su totalidad con antelacin sino que pueden llegar pedidos en cualquier momento.
Actualmente se est trabajando en problemas de secuenciacin como el Simple Weighted-Tardiness Problem y
otros.
79
TTULO: Diseo y secuenciacin de sistemas de desmontaje
Descripcin
En colaboracin con la Universidad de Oviedo hemos estudiado diversos aspectos de los sistemas de
desmontaje, en particular el problema de la secuencia ptima de desmontaje.
Complejidad
No estudiada
Aplicaciones
Diseo y gestin de operaciones de desmontaje
Mtodos aplicados
Metaheursticas (GRASP)
Artculos realizados
B. Adenso-Daz, S. Garca-Carvajal and S. Lozano, An efficient GRASP algorithm for Disassembly Sequence
Planning, OR Spectrum (aceptado noviembre 2005) (doi: 10.1007/s00291-005-0028-x)
En desarrollo
Actualmente estamos trabajando en el diseo de clulas de desmontaje.
80
TTULO: Problemas de optimizacin combinatoria
Descripcin
Se incluyen problemas clsicos de localizacin, secuenciacin y routing (como el QAP, TSP, etc) y otros
problemas, como el de la mochila o el del reparto de escaos entre pases en el Parlamento Europeo.
Complejidad
Generalmente NP-difcil
Aplicaciones
Ubicacin de instalaciones, distribucin en planta, diseo de rutas de distribucin, etc
Mtodos aplicados
Metaheursticas y Redes Neuronales
Artculos realizados
G. Villa, S. Lozano, J. Racero and D. Canca, A Hybrid VNS/Tabu Search Algorithm for Apportioning the
European Parliament, Evolutionary Computation in Combinatorial Optimization: 6th European Conference,
EvoCOP 2006, J. Gottlieb and G.R. Raidl (Eds.), Lecture Notes in Computer Science, vol. 3906, Springer-
Verlag, Berlin (2006) pp. 284-292 (ISBN: 3-540-33178-6) (DOI: 10.1007/11730095_24)
B. Adenso-Daz, S. Garca-Carvajal and S. Lozano, An empirical investigation on parallelization strategies for

Scatter Search, European Journal of Operational Research, vol. 162, 2 (2006) 490-507
J.J. Domnguez, S. Lozano and M. Calle, Genetic Neighborhood Search, Computational Science - ICCS 2002
(P.M.A. Sloot, C.J.K. Tan, J.J. Dongarra and A.G. Hoekstra, eds.), Lecture Notes in Computer Science; vol.
2331, Springer-Verlag, Berlin (2002) 544-553
J.J. Domnguez, S. Lozano, M. Calle and K. Smith, A new method for combinatorial optimization: Genetic
Neighborhood Search, Neural Network World, vol. 12, 6 (2002) 533-547
F. Guerrero, S. Lozano, D. Canca, J.M. Garca and K. Smith, A New Self-Organizing Neural Network for
solving the Travelling Salesman Problem, Smart Engineering System Design: Neural Networks, Fuzzy Logic,
Evolutionary Programming, Data Mining and Complex Systems. Volume 11, ASME Press, New York (2001)
865-870
S. Lozano, F. Guerrero, D. Canca, J.M. Sanchez and K. Smith, Generation of Route Timetables Using Self-
Organizing Feature Maps, Smart Engineering System Design: Neural Networks, Fuzzy Logic, Evolutionary
Programming, Data Mining and Complex Systems. Volume 10 (Dagli, C.H., Akay, M., Buczak A.L., Ersoy, O,
Fernndez, B. R. and Smith, A. eds.) ASME Press, New York (2000) 1063-1068
F. Guerrero, S. Lozano, K. A. Smith and I. Egua, Facility Location Using Neural Networks, Soft Computing
in Industrial Applications, (Suzuki, Y., Ovaska, S., Furuhasi, T., Roy, R. and Fote, Y., eds.) Springer-Verlag,
London (2000) pp. 171-179
S. Lozano, F. Guerrero, L. Onieva and J. Larraeta, Kohonen maps for solving a class of location-allocation
problems, European Journal of Operational Research, vol. 108, 1 (1998) 106-117
En desarrollo
Especialmente interesante nos parece el diseo de metaheursticas que usen procesamiento

paralelo.
81
TTULO: Problema de Rutas de Vehculos con Capacidades (CVRP)
GRUPO: Universidad de Valencia
Descripcin
Dado un conjunto de n clientes con demandas conocidas di i=1,...,n ,geogrficamente dispersos, y una flota
ilimitada de vehculos con capacidad comn Q y con sede en un nico depsito que denotamos como cliente i=0
y con demanda nula d0=0. Conocidas las interdistancias cij entre cualquier par de clientes i,j incluyendo al
depsito. El CVRP consiste en minimizar el coste total de servir todas las demandas de los clientes con la flota
de vehculos, sirviendo cada cliente exactamente una vez, sin sobrepasar la capacidad de los vehculos.
Una variante interesante consiste en utilizar exactamente k vehculos de la flota, con lo que aparecen problemas
de imposibilidad relacionados con el problema del Bin Packing.
Complejidad
NP-difcil
Aplicaciones
Rutas de Vehculos, Logstica.
Mtodos aplicados
Exactos
Heursticos
Templado Simulado
Tabu Search
Genticos
Artculos realizados
Augerat, P, Belenguer, J.M., Benavent, E, Corbern, Naddef, D. and Rinaldi, G., Computational results with a
branch and cut code for the Capacitated Vehicle Routing Problem. Tech. Report RR 949-M, Universit Joseph
Fourier, Grenoble (1995)
Campos, V., Corbern, A. and Mota, E., Polyhedral results for a Vehicle Routing Problem, European Journal of
Operations Research, vol. 52, pp. 75-85 (1991)
Campos,V. and Mota, E., Heuristic procedures for the Capacitated Vehicle Routing Problem, Computational
Optimization and Applications, vol. 16, pp. 265-277 (2000)
En desarrollo
Actualmente estamos trabajando en un algoritmo Scatter Search, combinado con Path Relinking.
82
TTULO: Problema del Cartero Rural con Viento (WRPP)
Descripcin
Sea G=(V, E) un grafo conexo y no dirigido. Consideremos dos costes cij y cji no negativos asociados a cada
arista (i,j) del grafo, representando los costes de recorrerla desde i a j y desde j a i, respectivamente. Dado un
subconjunto de aristas requeridas ER, el Problema del Cartero Rural con Viento (WRPP) consiste en encontrar
un tour de mnimo coste que atraviese cada arista de ER al menos una vez.
Complejidad
NP-difcil
Aplicaciones
Problemas de Rutas de Vehculos
Mtodos aplicados
Heursticos
Multi-Start
Scatter Search
Artculos realizados
Benavent, E., Carrotta, A., Corbern, A., Sanchis, J.M., Vigo, D. (2003a), Lower Bounds and Heuristics for the
Windy Rural Postman Problem. En proceso de revisin en Networks .
Benavent, E., Corbern, A., Piana, E., Plana, I., Sanchis, J.M. (2003b), New Heuristics for the Windy Rural
Postman Problem, aceptado para su publicacin en Computers & Operations Research.
83
TTULO: Problema de minimizacin del ancho de banda en matrices
Descripcin
Dada una matriz A = {aij}mm, , el problema de minimizacin del ancho de banda consiste en encontrar una
permutacin de las filas y columnas que deje los elementos distintos de cero en una banda lo ms cercana
posible a la diagonal principal.
Si definimos el ancho de banda de una fila como el mximo de las distancias de los elementos no nulos de dicha
fila a la diagonal principal, el ancho de banda de una matriz queda definido como el mximo de los anchos de
todas sus filas (igual que hemos hablado de filas, podemos referirnos a columnas sin que vare la definicin del
ancho de banda de la matriz). Sea:
{ }
Bi ( A) = mx i j , j : aij 0 , ancho de la fila i
B ( A) = mx{Bi ( A), i {1,..., n}} , ancho de la matriz A
Nuestro objetivo es reducir el ancho de banda de la matriz en la mayor medida posible, mediante permutaciones
de filas y columnas.
Interpretando la matriz como la matriz de adyacencia de un grafo no dirigido, este problema es equivalente al de
etiquetar los vrtices del grafo de manera que minimicemos la diferencia entre las etiquetas de los nodos
adyacentes.
Complejidad
NP-difcil
Aplicaciones
Preproceso de matrices para la resolucin de sistemas de ecuaciones, diseo de sistemas de transmisin de
energa, diseo de circuitos, aproximacin de soluciones de ecuaciones en derivadas parciales, cintica qumica o
geofsica numrica.
Mtodos aplicados
Heursticos
Tabu Search
GRASP (Greedy Randomized Adaptive Search Procedure)
Path Relinking
Artculos realizados
Mart, R., Laguna, M.., Glover, F., Campos, V. (2001), Reducing the bandwidth of a sparse matriz with Tabu
search. European Journal of Operational Research 135 (2), 535-548.
Piana, E., Plana, I., Campos, V., Mart, R. (2004), GRASP and path relinking for the matriz bandwidth
minimization. European Journal of Operational Research 153, 200-210.
En desarrollo
V. Campos, E. Piana and R. Mart (2006) Adaptive Memory Programming for Matrix Bandwidth
Minimization, Technical Report.
R. Mart, V. Campos and E. Piana (2005), Branch and Bound for the Matrix Bandwidth Minimization,
Technical Report.
84
TTULO: Problema de la Carga del Pallet (Pallet Loading Problem)
Descripcin
Dado un rectngulo, llamado pallet, de longitud L y anchura W,con L W, L y W enteros, y un rectngulo
menor, llamado caja, de longitud l y anchura w, con lw, Ll, Ww, l y w enteros, se trata de maximizar el
nmero de cajas que pueden ser colocadas ortogonalmente en el pallet.
Complejidad
?
Aplicaciones
Distribucin y transporte
Mtodos aplicados
Heursticos
Tabu Search
Path Relinking
Artculos realizados
Alvarez-Valds, R., Parreo, F. Y Tamarit, J.M. (2003) A tabu search algorithm for the pallet lading problem.
Technical Report TR13-2003. Dept. Estadistica e I.O. Universitat de Valencia.
En desarrollo
85
TTULO: Problema de corte bidimensional no-guillotina
Descripcin
El problema consiste en cortar piezas de dimensiones (li,wi), i=1,..m, de un rectngulo de dimensiones (L,W).
Las piezas tienen orientacin fija y han de ser cortadas con sus lados paralelos a los lados del rectngulo. El
nmero de piezas que se han de cortar de cada tipo ha de estar entre dentro de unos lmites Pi, Qi, con 0 Pi Qi.
Cada pieza tiene un valor asociado vi y el objetivo es maximizar el valor total de las piezas cortadas.
Dependiendo de los valores de Pi y Qi, el problema puede ser irrestringido, si Pi=0 y Qi, =, restringido, si Pi=0
y existe alguna cota superior, o doblemente restringido si existen ambos tipos de cotas.
Definimos la eficiencia de una pieza como ei= vi/(li*wi). De acuerdo con la eficiencia, el problema es sin peso
(unweighted) si ei=1 y el valor de cada pieza es igual a su superficie. En ese caso, maximizar el valor total de las
piezas cortadas es equivalente a minimizar el rea del rectngulo no utilizada. Si ei 1 para algn i, el problema
es con pesos (weigthed), reflejando que el valor de alguna pieza no depende slo de su superficie, sino de otras
caractersticas asociadas a la pieza.
Complejidad
NP-difcil
Aplicaciones
Corte y empaquetamiento en dos dimensiones (papel, cartn, plstico, madera, metal,....)
Mtodos aplicados
Heursticos constructivos
GRASP
Artculos realizados
Alvarez-Valds, R., Parreo, F. Y Tamarit, J.M. (2004) A GRASP algorithm for constrained two-dimensional
non-guillotine cutting problems. Technical Report TR01-2004. Dept. Estadstica e I.O. Universitat de Valencia.
Ramn Alvarez-Valdes, Rafael Mart, Antonio Parajn and Jose M. Tamarit (2006), GRASP and Path Relinking
for the Two-dimensional Two-staged Cutting Stock Problem , to appear in INFORMS Journal on Computing
En desarrollo
Actualmente estamos trabajando en algoritmos Tabu y Path Relinking
86
TTULO: Entrenamiento de Redes Neuronales
Descripcin
Las redes neuronales artificiales ofrecen una estructura general para representar las funciones generales no
lineales con varias entradas y salidas. En los problemas de clasificacin o reconocimiento de patrones las salidas
son categoras, mientras que en la prediccin o la aproximacin son variables continuas. En el proceso de
entrenamiento de la red neuronal (aprendizaje supervisado), el problema es encontrar los valores de los pesos w
que minimizan el error sobre el conjunto patrones (entradas y salidas conocidas), llamado conjunto de
entrenamiento. El problema de entrenamiento es un problema de optimizacin no lineal sin restricciones, en
donde las variables son los pesos de la red y el objetivo es reducir el error cometido por la aproximacin de la
red.
w1,n+1
x1 1 n+1
wn+1,s
output
x2 2 n+2 s
xn n n+m
Figure 1. Neural network diagram
Las redes neuronales se pueden construir basndonos en diferentes arquitecturas. En los trabajos realizados
hemos centrado nuestra atencin en la denominada feed-forward en la que todos los arcos van de una capa a la
siguiente como muestra la figura 1. Adems, hemos considerado el denominado aprendizaje supervisado.
Complejidad
NP-difcil
Aplicaciones
Prediccin y aproximacin de funciones. Clasificacin y reconocimiento de patrones.
Mtodos aplicados
Tabu Search, Path Relinking, Scatter Search, GRG2.
Artculos realizados
R. Mart, F. Montes and A. El-Fallahi (2005) Approximating unknown mappings: An Experimental Evaluation,
Journal of Heuristics 11(3) pp. 219-232
Laguna, M. y R. Mart (2002), Neural Network Prediction in a System for Optimizing Simulations IIE
Transactions. 34(3), 273-282.
El-Fallahi, A. y R. Mart (2003), Tabu and Scatter Search for Training Neural Networks, Computational
Modeling and Problem Solving in the Networked World, Interfaces in Computer Science and Operations
Research, 79-96. Kluwer
R. Mart and El-Fallahi, A. (2004) MultiLayer Neural Networs: An Experimental Evaluation of On-Line
Training Methods, Computers and Operations Research 31, 1491-1513 (2004).
El-Fallhi, A., R. Mart and L. Lasdon (2005), Path Relinking and GRG for Artificial Neural Networks,
European Journal of Operational Research 169, pp. 508-519 (2006)
E. Alba, F. Chicano, R. Mart and A. El-Fallahi (2005), Evolutionary methods for neural network training,
technical report.
87
TTULO: Dibujo de Grafos
Descripcin
El dibujo de grafos es un problema complejo con numerosas aplicaciones. Bsicamente se trata de situar los
vrtices del grafo en el plano y decidir el trazado de las aristas. Existen numerosas convenciones y criterios para
inducir claridad y operatividad en el dibujo resultante. Nosotros hemos trabajado en el standard denominado
Layer by Layer en el que los vrtices se sitan en capas y las aristas estn orientadas en la misma direccin
(grafos acclicos).
En particular hemos trabajado extensamente en el 1 8 1 7

problema de minimizar el nmero de intersecciones
de las aristas. Hemos abordado tanto el problema 2 7 2 8
general como el bipartido (en el que slo hay dos
3 10 3 9
capas). La figura de la izquierda muestra un ejemplo
de este ltimo caso, en el que se ve que el problema
4 9 4 10
de minimizar el nmero de aristas consiste en
reordenar los vrtices en ambas capas de modo que se 6 11 5 11
minimicen los cruces.
5 12 6 12
(a) Crossings = 5 (b) Crossings = 1
Complejidad
NP-difcil
Aplicaciones
Representacin de cualquier estructura o jeraqua de conocimiento que sea susceptible de ser representada
mediante un grafo.
Mtodos aplicados
Tabu Thresholding, Tabu Search, Path Relinking, GRASP.
Artculos realizados
Valls, V., R. Mart and P. Lino (1996), A Tabu Thresholding algorithm for arc crossing minimization in
bipartite graphs, Annals of Operations Research, 60, 233-251.
Mart, R. (1996), An aggressive search procedure for the bipartite drawing problem, Meta-Heuristics:
Theory and Applications, Kluwer, Massachussets, 97-114.
Laguna, M., R. Mart and V. Valls (1997), Arc crossing minimization in hierarchical digraphs with Tabu
Search, Computers and Operations Research, 24, 1175-1186.
Mart, R. (1998), A Tabu Search algorithm for the bipartite drawing problem, European Journal of
Operational Research, 106, 558-569.
Laguna, M. and R. Mart (1999), GRASP and Path relinking for two layer straight-line crossing minimization,
INFORMS Journal on Computing, 11(1), 44-52
Mart, R. and V. Estruch (2001), Incremental Bipartite Drawing Problem, Computers and Operations
Research, 28, 1287 1298.
Mart, R. (2001), Arc Crossing Minimization in Graphs with GRASP, IIE Transactions 33 (10), 913-919.
Mart, R. and M. Laguna (2003), Heuristics and Meta-Heuristics for two layer straight line crossing
minimization, Discrete Applied Mathematics 127 (3), 665-678.
88
TTULO: Localizacin de instalaciones con distintas capacidades en varios periodos
GRUPO: Otros grupos (Universidad Politcnica de Madrid)
Descripcin
Se propone un modelo MPMCFLP (Multiple Period Multiple Capacity Facility Location Problem).
Este modelo nace como una ampliacin del modelo algo ms sencillo (Multiple Capacity Facility Location
Problem). En este caso se trata de generalizarlo a una situacin ms real.
El objetivo ahora es determinar, para cada periodo, las instalaciones que daran servicio a un conjunto de clientes
(orgenes) y cul sera la dimensin elegida para cada una de ellas, de entre un conjunto de instalaciones con una
ubicacin y con una gama de posibles capacidades previamente conocidas, todo ello incurriendo en el menor
coste global posible y evitando adems que en una misma ubicacin se localicen ms de una instalacin.
Posterior estudio de la robustez de la solucin.
Complejidad
NP-difcil
Aplicaciones
Decisin de plantas de tratamientos de residuos tras su recogida
Mtodos aplicados
Algoritmos genticos
Artculos realizados
Ortega-Mier, M.A., Garca-Snchez, A. Revisin bibliogrfica del problema multiperiodo de localizacin de
instalaciones con capacidades distintas, IX Congreso de Ingeniera de Organizacin.
En desarrollo
Ortega-Mier, M.A., Garca-Snchez , Ponce, E. The multiple-period, multiple-capacities facility location
problem MPMCFLP: background, different approaches and challenges. En proceso de seleccin en ECCO
XIX - CO2006.
89
TTULO: Simulacin para la programacin de oleoductos multiproducto
GRUPO: Otros grupos (Universidad Politcnica de Madrid)
Descripcin
El objetivo principal del trabajo consiste en el desarrollo de metodologa basada en la optimizacin mediante
simulacin para la programacin de oleoductos multiproducto.
El problema de programacin de oleoductos multiproducto consiste en la determinacin de una secuencia de

paquetes para cada origen del sistema para satisfacer la demanda en un conjunto de destinos.
Existen diferentes restricciones que caracterizan la factibilidad del problema (carencias, formacin de
determinados tipos de interfases, rango de caudales disponibles, etc.) y existen diferentes criterios que permiten
evaluar la bondad de un determinado programa (coste asociado a la formacin de interfases, efecto de las
paradas del oleoducto a lo largo del horizonte de planificacin, etc.)
La optimizacin mediante simulacin se compone de un simulador de carcter modular elaborado con Witness y
de una bsqueda tab desarrollada en VB, que gobierna el simulador y el proceso de exploracin de programas
alternativos y potencialmente interesantes.
Complejidad
NP-difcil
Aplicaciones
Programacin de oleoductos
Mtodos aplicados
Tabu Search
Simulacin de eventos discretos
Artculos realizados
Adaptative Modelling and Simulation 2005. Captulo: A Simulation Tool for Pipeline Scheduling. p.233-242.
ISBN: 84-95999-81-1. Julio de 2005. Barcelona, Espaa.
IX Congreso de Ingeniera de Organizacin. Captulo: Diseo modular en witness para la programacion de

oleoductos. p. 89-97. ISBN: 84-96476-40-5. Septiembre de 2005. Gijn, Espaa.
IX Congreso de Ingeniera de Organizacin. Captulo: Programacin de oleoductos presentacin del

problema y revisin de enfoques. p. 20-30. ISBN: 84-96476-40-5. Septiembre de 2005. Gijn, Espaa.
90
TTULO: Problema del Agente Viajero (TSP)
GRUPO: Universidad Pontificia Bolivariana-Seccional Bucaramanga, Colombia
Semillero de Investigacin de Simulacin y Optimizacin (SISOS)
Descripcin
El problema del Agente Viajero o TSP (Traveling Salesman Problem), viene siendo utilizado como problema de
prueba o benchmark para estudiar el comportamiento de muchas metaheursticas. El TSP por su parte es un
problema clsico de optimizacin combinatoria o discreta donde el conjunto de soluciones posibles es numeroso
para ser manejado en forma directa e incluso presenta dificultades para realizar implementaciones directas ya
que su conjunto de soluciones crece de manera exponencial.
Dado un conjunto de ciudades, nodos, arcos, permutaciones(par de ciudades), y una medida de coste (distancia
mtrica o euclidiana entre ellas), el problema consiste en hallar un camino cerrado o camino hamiltoniano (tour)
de coste mnimo, que visite cada ciudad, nodo, arco, permutacin exclusivamente una vez y donde se regrese al
punto de origen. Logrando minimizar el costo de visita (ir de i a j) visitando todos los elementos del conjunto. El
coste es la representacin de la distancia entre las ciudades, nodos, arcos, permutaciones, o por cualquier otra
medida que dimensione la comprensin de separacin entre las ciudades, nodos y permutaciones de acuerdo al
tipo de TSP que se desea solucionar con la implantacin de metaheursticas.
Complejidad
NP-difcil
Aplicaciones
La aplicacin de este problema se visualiza en el ruteo de vehculos, secuenciamiento de tareas, logstica de
distribucin de mercancas, telecomunicaciones. Por otra parte se puede consultar otras aplicaciones del TSP en
http://www.tsp.gatech.edu/apps/index.html.
Mtodo aplicado
Bsqueda Tabu (Tabu Search, TS),
Artculos realizados
J.Guerrero Becerra, R. Acosta Amado (2006). Un Enfoque de Bsqueda Tab para el Problema del Agente
Viajero. (En Proceso de finalizacin)
En Proceso
Actualmente estamos realizando una investigacin(proyecto de grado-pregrado) cuyo alcance cubre las etapas
de diseo, construccin, implementacin, evaluacin del desempeo del algoritmo diseado, la publicacin
respectiva de los resultados obtenidos de la fase experimental y una lista de propuestas para futuras
investigaciones relacionadas con el tema de estudio. La entrega final del trabajo se realizara para finales de
marzo del presente ao.
91
TTULO: Meta-Heursticas Hbridas de Optimizacin Multi-objetivo
GRUPO: Otros grupos
Descripcin
Existen reas del conocimiento y el quehacer humano dentro de las cuales suelen surgir problemas que
consisten en la mejora de ciertas soluciones, procedimientos o proporciones de las que se obtiene algn
beneficio ya sea particular o comn. Una gran cantidad de problemas de optimizacin son multi-objetivo,
en el sentido de que han de optimizar de forma simultanea varios objetivos, usualmente en conflicto. En
este caso, las soluciones se califican con respecto a varias variables o criterios, y ningn criterio tiene
preferencia sobre otro. Por ejemplo, imaginemos un problema del viajante en el cual se trate de minimizar
el tiempo necesario, y, simultneamente, el combustible gastado. No se puede cambiar ms tiempo por
menos combustible, ni al revs, los dos tienen la misma importancia. Habr soluciones mejores que otras
(90 minutos y 13 litros ser mejor que 100 minutos y 14 litros), pero en algunos casos, no se podrn
comparar (es mejor 90 minutos y 13 litros que 100 minutos y 12 litros?). En este caso, un problema tiene
muchas soluciones posibles, lo que se denomina frente de Pareto, y est constituido por todas las
soluciones no dominadas, es decir, tales que no hay otra solucin mejor que ellas. Estos problemas de
optimizacin multi-objetivo se estn abordando usando tcnicas heursticas y meta-heursticas.
A la hora de resolver este tipo de problemas, diferentes autores han propuesto diferentes estrategias basadas en
Algoritmos Evolutivos, Enfriamiento Simulado, Bsqueda Tabu, Algoritmos Memticos, Colonias de
Hormigas, etc.. Debido a la gran extensin de los espacios de bsqueda donde aparecen estos problemas, es
necesario desarrollar, no solo algoritmos heursticos eficientes, sino adems aplicar la hibridacin de algunas de
ellas, as como hacer uso del procesamiento paralelo.
Complejidad
Generalmente NP-hard
Mtodos aplicados
Enfriamiento Simulado
Bsqueda Tabu
SPEA2,PAES,PESA,NSGA-II, PSA, MOSATS.
Aplicaciones
Problemas matemticos de test con 2 y 3 objetivos
Optimizacin de redes de distribucin de agua malladas (tanto en redes de test, como en redes de distribucin
reales en invernaderos).
Artculos realizados
R.Baos, C. Gil, B. Paechter, J. Ortega: "Parallelization of Population-based Multi-Objective Metaheuristics: An

Empirical Study". Applied Mathematical Modelling, 2006 (en prensa).
R.Baos, C. Gil, B. Paechter, J. Ortega: "A Hybrid Meta-heuristic for Multi-objective Optimization:MOSATS".
Journal of Mathematical Modelling and Algorithms, 2006 (en prensa) .
En desarrollo
Actualmente estamos desarrollando nuevos algoritmos para la optimizacin de redes de distribucin de agua,
tipo malla. Debido a su complejidad, superior a la de las redes ramificadas, es necesario analizar diferentes
tcnicas de optimizacin para resolver problemas reales, como es el caso de algunas redes de distribucin de
agua para invernaderos con las que trabajamos, cuya complejidad es muy elevada debido al gran nmero de
nodos, tuberas de las que disponen.
92

Red Heur Lineas de Investigacion

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Red Heur Lineas de Investigacion

Caricato da

Copyright:

Formati disponibili

Red HEUR

La red HEUR se cre en el ao 2002 financiada por el proyecto TIC2002-10886E del

El objetivo de la red es la difusin de los mtodos metaheursticos, as como la

Valencia, Junio de 2006

La accin en curso la solicitaron un total de 147 participantes distribuidos en 18 grupos (15

Universidad Siglas Coordinador Num. Investigadores

Manuel Laguna de la Universidad de Colorado, USA

Universidad de Castilla-La Mancha.

Universidad de Granada - MODO

Universidad de Granada - SCI2S

Universidad de Mlaga - NEO

Universidad de Mlaga - Econ

Universidad del Pas Vasco

Universidad Politcnica de Valencia

Universidad Politcnica de Catalua

Universidad Politcnica de Catalua - ETSEIB

Universitat Pompeu Fabra - GREL

Universidad Rey Juan Carlos

Universidad de Castilla la Mancha 16

Universidad de Granada - SCI2S 22

Universidad de Granada - MODO 29

Universidad del Pas Vasco 58

Universidad Politcnica de Catalunya UPC-EIO 66

Universidad Politcnica de Valencia 69

Universitat Pompeu Fabra de Catalua 71

Universidad Rey Juan Carlos 74

Ms concretamente, sea Pm el conjunto de todas las particiones de X en m conjuntos; cada particin P Pm

donde el centroide x i se define como:

Pacheco,J. y O.Valencia Anlisis de nuevos mtodos de clasificacin. Un ejemplo ilustrativo de su uso

Alegre,A., Casado,S. y Delgado,C. Diseo de calendarios para transporte de componentes de automviles.

J. Pacheco y S. Casado, Uso de Bsqueda Dispersa para problemas de localizacin. Aplicacin a

El problema de seleccionar el subconjunto de variables con ms capacidad clasificatoria se puede

L. M. de Campos, J. A. Gmez and J. M. Puerta.(2002). Learning Bayesian Networks by Ant Colony

Un caso ms general consiste en encontrar la explicacin ms probable para un subconjunto A de X, llamado

SI (Cond1 Y Condi Y Condm) ENTONCES Pred

donde w j [ M , M ] R, w ji [ L, L ] R, i = 1, 2,..., N (0) , j = 1, 2,..., N (1) y el dominio de definicin

a a' b b' c' c

Ajuste de parmetros lineales Ajuste de parmetros no lineales

3) El uso de defuzzificadores adaptativos se basa en la aplicacin de un operador de defuzzificacin

Existen varios modelos de RI, el Booleano, el Vectorial, el Probabilstico y el Booleano Extendido.

Nuestro trabajo se centra en el desarrollo de diferentes aproximaciones para ayudar al usuario en el

Problema Estndar: Strip Parking Problem

Problemas Estndares: Agrupamiento, Clasificacin y Seleccin

Comparacin de estrategias de arranque mltiple para clasificacin no supervisada. Miguel Garca

Problema Estndar: p-Mediana

Ninguna tarea se empieza antes que se acabe la anterior.

El problema consiste en determinar los 6 parmetros a1 , w1 , a 2 , w2 , a3 , w3 del modelo de sonidos modulados

y (t ) = a1 sin( w1 t + a2 sin( w2 t + a3 sin( w3 t )))

con = 2 / 100 . Para ello se optimizar la funcin f fms definida como:

y0 (t ) = 1.0 sin(5.0 t 1.5 sin( 4.8 t + 2.0 sin( 4.9 t ))) .

Cada parmetro est dentro del rango [ 6.4,+6.35] .

El problema consiste en determinar los coeficientes del siguiente polinomio en z :

T8 (z ) = 1 32 z 2 + 160 z 4 256 z 6 + 128 z 8 .

Consideremos que C = (c1 , K , c 2 k ) es una solucin que ha de ser evaluada, y

Elegir p 0 , p1 , K, p100 de [ 1,+1] ;

Cada parmetro del problema se encuentra en el rango [ 512,+512] .

donde C es el nmero de concentradores, T el nmero de terminales, cij es el coste de asignar el terminal i al

Fig. 1. Red de celdas (las reas oscuras representan celdas de informacin)

El problema que proponemos consiste en encontrar la

F. Luna, A. J. Nebro, B. Dorronsoro, E. Alba, P. Bouvry, L. Hogie, Optimal Broadcasting in Metropolitan

El ensamblado de fragmentos de ADN es una tcnica que reconstruye la secuencia original

GRUPO: Universidad de Mlaga

- Caballero, R. , Luque, M., Molina, J. Ruiz, F. (2002) PROMOIN: An Interactive System

con respecto a los parmetros , .