INVESTIGADOR(ES) PRINCIPAL(ES):

Jorge Ivan Rios Patiño

12 horas

CODIGO CIE

6-17-6

Gustavo Adolfo Gutiérrez Sabogal

Estudiante

0 Horas

Sandra Milena Caicedo

Coinvestigador

0 Horas

Claudia Patricia Arias Hernández

Estudiante

0 Horas

Daniel Fernando Ramírez Moncayo

Estudiante

0 Horas

Juan Carlos Gutiérrez Martínez

Estudiante

0 Horas

Anderson Danilo Betancourt Betancourt

Estudiante

0 Horas

TIPO DE CONVOCATORIA

2017. Sin Financiación

TIPO DE PROYECTO

Investigación Aplicada

OBJETIVO(S)

Objetivo general: Realizar un profundo estudio sobre los diferentes tipos de Algoritmo Bioinspirado y sus diferentes aplicaciones en la solución de problemas de tipo Np, Np-Hard y Np-Hard Completos. Objetivos Específicos: 1) Seleccionar técnicas representativas de reducción de dimensión, teniendo en cuenta criterios de desempeño y costo computacional, con el fin de determinar las más adecuadas para ser utilizadas en entornos de visualización de datos. 2) Realizar un análisis del estado actual de la forma como se lleva a cabo el proceso de evaluación docente de la Universidad Tecnológica de Pereira y reconocer las oportunidades de mejora del actual modelo de evaluación. 3) Definición de las variables lingüísticas del proceso de evaluación docente, tanto de entrada como de salida, para la construcción del sistema difuso y además sus respectivos conjuntos borrosos. 4) Establecer qué procedimientos y variables usan los expertos penitenciarios, para la realización de visitas de control a reclusos con detención en domicilio. 5) Diseñar un modelo matemático que permita maximizar las visitas de control de las personas privadas de la libertad con domiciliaria haciendo uso de la inteligencia artificial y los algoritmos genéticos.

RESUMEN

A través de los años se han realizado varios estudios en diferentes partes del mundo sobre temas tanto de transporte, logística, distribución de redes eléctricas, etc., que siguiendo un esquema de los problemas de optimización como lo es el problema del agente viajero (TSP), han llevado a los investigadores a implementar algoritmos que permitan llegar a soluciones muy aproximadas, teniendo en cuenta que el desarrollo tecnológico y computacional aporta un gran beneficio en la implementación de estos y en la búsqueda de respuestas más precisas, pues no solo contribuye a la mejora en la búsqueda de la solución óptima de estos problemas sino que también permite que se puedan desarrollar nuevas líneas de investigación que beneficien ambos campos (la optimización y la computación). La inteligencia artificial se ha encargado además de proponer soluciones a problemas enmarcados en los siguientes tres tipos: Problema de Satisfasibilidad (SAT), Problema del Agente Viajero (TSP) y Programación No Lineal (NPL). Dentro de las técnicas y métodos propuestos se encuentran aquellos basados en sistemas naturales, principalmente en los sistemas vivos, que brindan ejemplos para este tipo de problemas que se intentan construir o resolver en computación no convencional. Los sistemas bio-inspirados y la vida artificial juegan un papel central para el desarrollo de soluciones a problemas complejos (NP, NP-HARD y NP-completos) relacionados con optimización, búsqueda, programación de rutas, asignación de espacios, descubrimiento de patrones y toma de decisiones; debido a la importancia de estos problemas, se han desarrollado métodos para tratarlos, los cuales se pueden clasificar en exactos y técnicas de aproximación. Las técnicas o métodos exactos garantizan encontrar la solución óptima para cualquier problema en un tiempo acotado. La debilidad de estos, es que, aunque su tiempo es acotado, debido a que la mayoría de los problemas a resolver son NP-Completos, este tiempo es exponencial considerando el peor de los casos, lo cual provoca que el tiempo necesario para la resolución del problema sea inabordable. Por lo tanto, los algoritmos de aproximación han sido de gran interés en la solución de este tipo de problemas, dado que sacrifican encontrar el óptimo a cambio de encontrar una buena solución en una cantidad razonable de tiempo. Dentro de los algoritmos no exactos para la búsqueda de soluciones, se tienen los heurísticos constructivos también llamados voraces, los métodos de búsqueda local o métodos de seguimiento del gradiente y las meta heurísticas; estas últimas, tienen dos tipos de estrategia de búsqueda, la primera de de búsqueda local, en donde el objetivo de estas estrategias es evitar los mínimos locales y moverse a otras regiones del espacio de búsqueda. Este tipo de estrategia es el seguido por la búsqueda tabú, la búsqueda local iterada, la búsqueda con vecindario variable, etc. El segundo tipo de estrategia es el seguido por las colonias de hormigas o los algoritmos evolutivos que incorporan un componente de aprendizaje, ya que intentan aprender la correlación entre las variables del problema para identificar las áreas correctas en el espacio de búsqueda. Estos métodos realizan un muestreo, el cual esta sesgado del espacio de búsqueda.

ESTADO

Concluye No Satisfactoriamente

FECHA DE INICIO

25/01/2017

FECHA DE FINALIZACION

25/01/2018

PRODUCTOS

Algoritmo Hiperheuristico para la generación de una solución factible al problema de la programación de docentes en una institución de educación media para una jornada escolar específica

Maestría o Especialidad clínica