GITIA es un grupo dedicado a la investigación y desarrollo de la Inteligencia Artificial, la Ciencia de los Datos y sus aplicaciones. Como grupo, y de acuerdo a nuestros documentos fundacionales, preferimos aplicaciones que tengan interés en nuestra región y a la vez tengan implicaciones globales. Esto asegura un impacto regional de nuestro trabajo manteniendo un nivel académico internacional.

Con ese espíritu, hemos trabajado con la empresa de distribución local EDET S.A en la detección de problemas que tengan interés regional y al mismo tiempo relevancia académica. En esa línea de trabajo, hemos identificado la determinación de la topología en el nivel de baja tensión (Leer más) y el problema del Pico de consumo en verano (Leer más). Estos problemas son de crítica importancia regional y tienen un impacto internacional.

Identificación de Fases Edificios Inteligentes

En la actualidad siguen existiendo numerosos problemas cuya solución exacta resulta imposible o impráctica de obtener, ya sea por las características particulares o por el tamaño del problema. Esto incluye numerosos problemas reales y aplicados, relacionados a logística, ingeniería, biología, bio-informática, e ingeniería. Entre las principales herramientas utilizadas para enfrentarlos de manera eficiente se encuentra la Optimización Heurística, especializada en encontrar buenas soluciones aproximadas en problemas reales, donde encontrar una solución exacta es computacionalmente costoso o complejo.

Los Algoritmos Genéticos (AG) son una familia de modelos computacionales que simulan el principio de selección natural de Darwin para resolver problemas de optimización complejos (NP-Hard). Operan en paralelo sobre una población de candidatos a solución, utilizando el principio de supervivencia del más apto para producir sucesivamente mejores soluciones. Los Algoritmos Genéticos son muy adecuados para resolver problemas de optimización complejos que son complicados para los enfoques de optimización tradicionales. Se han aplicado con éxito en el diseño automatizado, la robótica, el enrutamiento de vehículos, la medicina, la biología, la aviación, las telecomunicaciones, etc. A pesar de que llevan mucho tiempo utilizándose, el diseño eficiente de aplicaciones reales sigue siendo una tarea difícil que requiere conocimientos y experiencia, tanto en el Algoritmo Genético como en el problema.

La investigación y el desarrollo en torno a las metodologías necesarias para el diseño de aplicaciones en la vida real de los Algoritmos Genéticos es muy importante a la hora de resolver problemas de la vida real provenientes de diferentes áreas de la Ciencia y la Tecnología.

Las Redes Neuronales Artificiales son una familia de modelos computacionales inspirados en el sistema nervioso humano. Utilizan muchas unidades de procesamiento simples (neuronas), que trabajan en paralelo para lograr comportamientos complejos. Se han aplicado con éxito en numerosos campos. Son los más adecuados para problemas difíciles para los enfoques algorítmicos tradicionales, en los que no se dispone de un modelo matemático (estimadores sin modelo). Esto permite su uso en problemas de reconocimiento de patrones, predicción, clasificación, optimización y control, sin necesidad de un modelo matemático. Las redes neuronales se han aplicado con éxito en el control de procesos, la previsión meteorológica, la química, el análisis de la información, la medicina, la biología, la tecnología del hormigón y del suelo y la ciencia y tecnología de los materiales, etc.

La aplicación de las redes neuronales a nuevas áreas o problemas es una tarea desafiante, que es objeto de investigación activa en todo el mundo.

El enfoque MultiAgent ofrece un marco metodológico bien adaptado al análisis y modelado de sistemas complejos. Este enfoque considera los sistemas como sociedades compuestas por entidades autónomas e independientes, denominadas "agentes", que interactúan para resolver problemas o lograr una tarea común. Los sistemas multi-agente (Multi-Agent Systems o MAS) se han aplicado con éxito a un gran número de ámbitos, como la robótica, la resolución de problemas distribuidos, el modelado y la simulación de sistemas complejos, etc. A pesar de las numerosas aplicaciones, los MAS presentan un cierto retraso en las metodologías de formalización y modelado. De hecho, el diseño de este tipo de sistemas se realiza a menudo siguiendo un procedimiento empírico o de forma ad hoc. El desarrollo de modelos y metodologías para este paradigma es de vital interés para su correcta adopción por parte de los científicos y la industria.

Nuestro equipo colabora en la definición de la metodología ASPECS, que abarca el análisis, el diseño y la implementación de sistemas Multiagente (Holónicos) (H/MAS). Esta metodología se basa en un metamodelo organizacional holónico y proporciona una guía paso a paso desde los requisitos hasta el código que permite modelar un sistema a diferentes niveles de detalle utilizando un conjunto de métodos de refinamiento. Integra modelos de diseño y filosofías de la ingeniería de software orientada a objetos y a agentes (OOSE y AOSE). Se ha construido adoptando la Arquitectura Dirigida por Modelos (MDA) y así definimos tres niveles de modelos. Los conceptos principales de los metamodelos organizativos son los roles, las interacciones y las organizaciones. Estos conceptos permiten la abstracción y descomposición de los MAS y HMAS. ASPECS utiliza UML como lenguaje de modelado, la semántica y la notación de UML se utilizan como puntos de referencia, pero se han ampliado mediante la introducción de nuevos perfiles específicos para satisfacer las necesidades específicas de los agentes y el diseño organizativo holónico. La plataforma Janus proporciona un entorno de implementación y ejecución para los modelos diseñados con ASPECS.

Los métodos formales aportan varias ventajas a la ingeniería del software. A medida que los sistemas se vuelven más complejos y la seguridad se convierte en una prioridad en el diseño de sistemas, los métodos formales ofrecen mecanismos y herramientas para la verificación de sistemas.

Proporcionar especificaciones y métodos formales para los metamodelos y metodologías de los MAS es imperativo para la adopción de esta tecnología, especialmente cuando los MAS controlan entornos críticos como centrales nucleares, sistemas aeroespaciales, etc.