Hiper-heurísticas y aprendizaje automático para la selección y diseño en computación evolutiva

Описание: Fecha: 5 de febrero de 2026
Hora: 18:00

Lugar: Edificio de maestría del CIMA, Sala 3, Camporredondo, UAdeC
----------------------------------------

Dr. Julio Juárez Jiménez
Tecnológico de Monterrey

Título
Hiper-heurísticas y aprendizaje automático para la selección y diseño en computación evolutiva y otras metaheurísticas

Resumen
Los algoritmos evolutivos y otras metaheurísticas han sido ampliamente utilizados para abordar problemas de optimización desafiantes. Por lo general, estas técnicas se componen de operadores que seleccionan, recombinan y varían soluciones candidatas. Lo difícil es determinar qué método utilizar, qué operadores emplear para un método seleccionado, e incluso qué parámetros usar para cada operador en un problema determinado. En algunos casos, es necesario diseñar un nuevo operador que explote de mejor manera la estructura del problema que otros operadores genéricos. Esta tarea de selección y diseño de operadores puede consumir mucho tiempo y recursos humanos. Más aún, esto no se limita solo a los operadores, sino que se puede extender a los algoritmos evolutivos y otras metaheurísticas que los utilizan. La pregunta es: ¿podemos, y hasta dónde podemos, automatizar este proceso? Para ello, las hiper-heurísticas surgen como técnicas de optimización que operan en el espacio heurístico, en lugar de buscar directamente en el dominio del problema. Con ello, buscan identificar de forma automática las mejores configuraciones para un algoritmo evolutivo, sus componentes, o incluso diseñarlos. En esta charla se abordarán algunas técnicas y enfoques hiper-heurísticos y de aprendizaje automático aplicados a algoritmos de computación evolutiva y otras metaheurísticas. Se presentarán algunos ejemplos prácticos de cómo y qué pretenden resolver estas técnicas. Al final, se espera dar un vistazo general a lo que se ha trabajado y a lo que actualmente se está investigando al respecto.