• Descripción

La Optimización Metaheurística combina conceptos de Inteligencia Artificial, Investigación de Operaciones, Informática e Ingeniería Industrial para desarrollar algoritmos y métodos inteligentes capaces de abordar problemas difíciles (NP-hard) y a gran escala de optimización combinatoria, incluso en escenarios donde se consideran condiciones estocásticas o dinámicas (algo que ocurre frecuentemente en muchas aplicaciones de la vida real).

El curso ha diseñado sobre la base de los muchos años de actividades de investigación y transferencia desarrolladas por el equipo ICSO Meta (https://icso.webs.upv.es). Durante estos años, hemos podido desarrollar diferentes tipos de algoritmos heurísticos x, entre ellos: heurísticas aleatorias sesgadas, simheurísticas, heurísticas de aprendizaje, heurísticas de eventos discretos y algoritmos de optimización ágil.

• La asignatura en el conjunto del plan de estudios

• Campos profesionales en el que se proyecta

• Conocimientos previos

• Información previa a la matrícula

Esta asignatura no requiere haber cursado ninguna otra del máster.

• Objetivos y competencias

Los objetivos principales de la asignatura son:

• Introducir a los estudiantes en el campo de la optimización metaheurística.
• Descubrir algunos de los problemas más estudiados y sus áreas de aplicación. 
• Conocer los principales tipos de algoritmos heurísticos y metaheurísticos para abordar dichos problemas.
• Diseñar y desarrollar algoritmos para los problemas estudiados, analizando su comportamiento bajo un banco de pruebas formado por instancias de problemas.

Una vez cursada la asignatura, los estudiantes deben ser capaces de:

• Entender los principales conceptos de la optimización metaheurística.
• Conocer los principales tipos de heurísticos y metaheurísticas para abordar problemas de optimización combinatoria.
• Diseñar y desarrollar algoritmos para algunos de los problemas más estudiados de optimización combinatoria.
• Saber analizar los resultados obtenidos por los métodos desarrollados, realizando comparativas para evaluar su eficiencia y eficacia, utilizando para ello técnicas estadísticas.
• Comprender las múltiples aplicaciones prácticas de estos algoritmos en sectores industriales y empresariales.
• Entender las principales ideas descritas en artículos científicos.

• Contenidos

1. Introducción a la Optimización y a los X-Heurísticos
2. Random Search y VRPs
3. Biased-Randomized Algorithms (BRAs)
4. GRASP y TOPs
5. ILS y PFSPs
6. Aplicaciones recientes de los BRAs
7. Simulación
8. Simheuristics
9. Learnheuristics y Agile Optimization
10. Algoritmos Genéticos I
11. Algoritmos Genéticos II
12. Artículo corto original

• Informaciones sobre la evaluación en la UOC

En la UOC, la evaluación generalmente es virtual. Se estructura en torno a la evaluación continua, que incluye diferentes actividades o retos; la evaluación final, que se lleva a cabo mediante pruebas o exámenes, y el trabajo final de la titulación.

Las actividades o pruebas de evaluación pueden ser escritas y/o audiovisuales, con preguntas aleatorias, pruebas orales síncronas o asíncronas, etc., de acuerdo con lo que decida cada equipo docente. Los trabajos finales representan el cierre de un proceso formativo que implica la realización de un trabajo original y tutorizado que tiene como objetivo demostrar la adquisición competencial hecha a lo largo del programa.

Para verificar la identidad del estudiante y la autoría de las pruebas de evaluación, la UOC se reserva la potestad de aplicar diferentes sistemas de reconocimiento de la identidad y de detección del plagio. Con este objetivo, la UOC puede llevar a cabo grabación audiovisual o usar métodos o técnicas de supervisión durante la ejecución de cualquier actividad académica.

Asimismo, la UOC puede exigir al estudiante el uso de dispositivos electrónicos (micrófonos, cámaras u otras herramientas) o software específico durante la evaluación. Es responsabilidad del estudiante asegurar que estos dispositivos funcionan correctamente.

El proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de las actividades académicas. La web sobre integridad académica y plagio de la UOC contiene información al respecto.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; la suplantación de identidad; la aceptación o la obtención de cualquier actividad académica a cambio o no de una contraprestación; la colaboración, el encubrimiento o el favorecimiento de la copia, o el uso de material, software o dispositivos no autorizados en el plan docente o el enunciado de la actividad académica, incluida la inteligencia artificial y la traducción automática, entre otras, son conductas irregulares en la evaluación que pueden tener consecuencias académicas y disciplinarias graves.

Estas conductas irregulares pueden conllevar el suspenso (D/0) en las actividades evaluables definidas en el plan docente -incluidas las pruebas finales- o en la calificación final de la asignatura, ya sea porque se han utilizado materiales, software o dispositivos no autorizados durante las pruebas (como el uso de inteligencia artificial no permitida, redes sociales o buscadores de información en internet), porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas de otros estudiantes, etc.) sin la citación correspondiente, por la compraventa de actividades académicas, o porque se ha llevado a cabo cualquier otra conducta irregular.

Asimismo, y de acuerdo con la normativa académica, las conductas irregulares en la evaluación también pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda, de conformidad con lo establecido en la normativa de convivencia de la UOC.

En el marco del proceso de evaluación, la UOC se reserva la potestad de:

• Solicitar al estudiante que acredite su identidad según lo establecido en la normativa académica.
• Solicitar al estudiante que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación, tanto en la evaluación continua como en la evaluación final, a través de una entrevista oral síncrona, que puede ser objeto de grabación audiovisual, o por los medios establecidos por la UOC. Estos medios tienen el objetivo de verificar los conocimientos y las competencias que garanticen la identidad del estudiante. Si no es posible garantizar que el estudiante es el autor de la prueba, esta puede ser calificada con una D, en el caso de la evaluación continua, o con un suspenso, en el caso de la evaluación final.

Inteligencia artificial en el marco de la evaluación

La UOC reconoce el valor y el potencial de la inteligencia artificial (IA) en el ámbito educativo y, a su vez, pone de manifiesto los riesgos que supone si no se utiliza de forma ética, crítica y responsable. En este sentido, en cada actividad de evaluación se informará al estudiantado sobre las herramientas y los recursos de IA que se pueden utilizar y en qué condiciones. Por su parte, el estudiantado se compromete a seguir las indicaciones de la UOC a la hora de realizar las actividades de evaluación y de citar las herramientas utilizadas y, concretamente, a identificar los textos o imágenes generados por sistemas de IA, los cuales no podrá presentar como si fueran propios.

Respecto a usar o no la IA para resolver una actividad, el enunciado de las actividades de evaluación indica las limitaciones en el uso de estas herramientas. Debe tenerse en cuenta que usarlas de manera inadecuada, como por ejemplo en actividades en las que no están permitidas o no citarlas en las actividades en las que sí lo están, puede considerarse una conducta irregular en la evaluación. En caso de duda, se recomienda que, antes entregar la actividad, se haga llegar una consulta al profesorado colaborador del aula.

• Consulta del modelo de evaluación