<div style="color:rgb(34,34,34);font-family:arial,sans-serif;font-size:13px;background-color:rgb(255,255,255)"><u>Título</u>: <b>Metaheurísticas I</b></div><div style="color:rgb(34,34,34);font-family:arial,sans-serif;font-size:13px;background-color:rgb(255,255,255)">
<div><br></div><div><u>Responsable</u>:  Dr. Guillermo Leguizamón</div><div><u>Colaboradores</u>: Dra. Leticia Cagnina y Dra. Victoria Aragón</div><div><u><br></u></div><div><u>Crédito Horario</u>: 60 horas</div><div><br>
</div><div><div><u>FUNDAMENTACIÓN</u>: </div><div><br></div><div>El avance tecnológico experimentado en las últimas décadas ha permitido, principalmente desde el punto de vista computacional, la exploración de nuevos enfoques y algoritmos para resolver de manera eficiente problemas de optimización de gran complejidad. Entre dichos enfoques se encuentran las metaheurísticas, las cuales se pueden definir en términos generales como algoritmos aproximados dado que no garantizan soluciones óptimas, pero son capaces de encontrar de manera eficiente soluciones de alta calidad en tiempos razonables.  Dichas características hacen de las metaheurísticas una alternativa interesante para su aplicación en el campo de investigación y problemas del mundo real.</div>
<div><br></div><div><u>OBJETIVOS</u>:</div><div> </div><div>Se espera que el alumno adquiera conocimiento de las metaheurísticas basadas en trayectoria y poblacionales más relevantes y además, aprender sobre la evaluación de sus respectivos desempeños a través de estudios experimentales y análisis estadístico. Se pretende también, mostrar los posibles campos de aplicación a diversos tipos de problemas actualmente utilizados en la práctica profesional y en la investigación científica.</div>
<div><br></div><div><u>CONTENIDOS MINIMOS</u>:</div><div> </div><div>Clasificación de las Metaheurísticas. Perspectiva histórica. Metaheurísticas de trayectoria: Simulated Annealing,  Búsqueda Local Iterada, Búsqueda por Vecindario Variable. Metaheurísticas poblacionales: Algoritmos Evolutivos y Evolución Diferencial,  Optimización por Cúmulo de Partículas (Particle Swarm Optimization), Optimización basada en Colonias de Hormigas (Ant Colony Optimization) y Sistemas Inmunes. Enfoques avanzados de metaheurísticas de trayectoria y poblacionales. Aplicaciones en el campo de las metaheurísticas. Diseño de estudios experimentales y análisis de resultados.</div>
</div><div><br></div><div><u>Fecha de dictado</u>. El curso se dictará inicialmente en 4 clases, en el Aula de Posgrado I del Departamento de Informática, de acuerdo al siguiente cronograma:</div><div><br></div><div>3 al 5 de octubre, de 17:00 a 21:00</div>
<div>6 de octubre de 9:00 a 13:00</div><div><br></div><div>Para mayor información contactarse con:</div><div><br></div><div>Dr. Guillermo Leguizamón: <a href="mailto:legui@unsl.edu.ar" target="_blank" style="color:rgb(17,85,204)">legui@unsl.edu.ar</a></div>
<div>Dra. Leticia Cagnina: <a href="mailto:lcagnina@unsl.edu.ar" target="_blank" style="color:rgb(17,85,204)">lcagnina@unsl.edu.ar</a></div><div>Dra. Victoria Aragón: <a href="mailto:vsaragon@unsl.edu.ar" target="_blank" style="color:rgb(17,85,204)">vsaragon@unsl.edu.ar</a></div>
</div><span style="color:rgb(34,34,34);font-family:arial,sans-serif;font-size:13px;background-color:rgb(255,255,255)"><font color="#888888"><br class="Apple-interchange-newline"></font></span>