Ansel Y. Rodríguez González
Embedded Files
Investigador en CONACYT - Centro de Investigación Científica y de Educación Superior de Ensenada - Unidad de Transferencia Tecnológica Tepic
Investigador Nacional Nivel I
ansel@cicese.mx
Recursos
Recursos
Software
Algoritmos de Minería de Datos
Algoritmos de Optimización
Conferencias
Seminarios
Congresos
Divulgación Científica
Entrevistas
Videos Cortos
Cursos
Curso Inteligencia Computacional para la Optimización
Software
Software
Algoritmos de Minería de Datos
STreeDC-Miner: Algoritmo de minado de patrones similares frecuentes para funciones de semejanza booleana monótona no creciente.
Rodríguez-González, A. Y., Martínez-Trinidad, J. F., Carrasco-Ochoa, J. A., & Ruiz-Shulcloper, J. (2013). Mining frequent patterns and association rules using similarities. Expert Systems with Applications, 40(17), 6823-6836.
Rodríguez-González, A. Y., Martínez-Trinidad, J. F., Carrasco-Ochoa, J. A., & Ruiz-Shulcloper, J. (2008, September). Mining frequent similar patterns on mixed data. In Iberoamerican Congress on Pattern Recognition (pp. 136-144). Springer, Berlin, Heidelberg.
Conferencias y Ponencias
Conferencias y Ponencias
2020 octubre 1
Hablemos sobre I.A. Alianza en Inteligencia Artificial- Computación evolutiva en entornos con incertidumbre: una solución para la gestión de recursos energéticos en microrredes: La gestión de recursos energéticos (ERM) es considerado como uno de los problemas de optimización más complicados en el dominio energético debido a su naturaleza combinatoria, no lineal y con una gran cantidad de recursos energéticos, lo cual conduce a una alta dimensionalidad y a limitaciones de procesamiento. Además, cuando se considera la incertidumbre inherente de las condiciones climáticas, el pronóstico de carga, el uso de vehículos eléctricos o los precios de mercado, los enfoques deterministas pueden fallar en la obtención de soluciones óptimas al problema. Por ello la comunidad científica lanzó en 2017 una competencia anual denominada "Computación evolutiva en el dominio de la energía: aplicaciones de redes inteligentes" que tiene el propósito de reunir y probar las técnicas de Inteligencia Computacional (CI) de última generación aplicadas a los problemas del dominio energético: gestión en entornos inciertos y la licitación óptima de agregadores de energía en los mercados locales. En esta plática se describe la competencia, los principales algoritmos desarrollados por los participantes y en particular por el grupo de CICESE y los resultados alcanzados.
2020 Julio 11
The Genetic and Evolutionary Computation Conference 2020- Applying Some EDAs and Hybrid Variants to the ERM Problem Under Uncertainty: The Energy Resource Management (ERM) under uncertainty of a smartgrid is a highly complex problem (a Mixed Integer Non-Linear Problem) with the objective of maximizing profits by reducing the need to buy energy from the day-ahead market or external suppliers at high prices. In this paper, some approaches of Hybrid Estimation of Distribution Algorithm were implemented to solve the ERM Problem Under Uncertainty. Also, using the WCCI/GECCO 2020 ERM competition framework, a comparison amongst the variants implemented, the framework baseline algorithm, and the algorithms of the previous competitions, was done. The experimental results showed that these EDAs and hybrid methodologies are good tools to solve the ERM problem under uncertainty.
2019 noviembre 22
Seminario de Aplicaciones de Inteligencia Artificial, INEEL- Computación evolutiva en entornos con incertidumbre: una solución para la gestión de recursos energéticos en microrredes: La gestión de recursos energéticos (ERM) es considerada como uno de los problemas de optimización más complicados en el dominio energético debido a su naturaleza combinatoria, no lineal y con una gran cantidad de recursos energéticos, lo cual conduce a una alta dimensionalidad y a limitaciones de procesamiento. Además, cuando se considera la incertidumbre inherente de las condiciones climáticas, el pronóstico de carga, el uso de vehículos eléctricos o los precios de mercado, los enfoques deterministas pueden fallar en la obtención de soluciones óptimas al problema. En la videoconferencia se habla de los algoritmos evolutivos, los cuales se consideran una herramienta efectiva para encontrar soluciones casi óptimas en este tipo de problemas complejos.
Divulgación Científica
Divulgación Científica
Cursos
Cursos
Curso Inteligencia Computacional para la Optimización (2020)
Clase - Algoritmos Basados en Estimación de la Distribución
Algoritmos Evolutivos con Estimación de Distribución Celulares
Larrañaga, P. and Lozano, J.A. eds., 2001. Estimation of distribution algorithms: A new tool for evolutionary computation (Vol. 2). Springer Science & Business Media.
Larranaga, P., Lozano, J.A. and Mühlenbein, H., 2003. Algoritmos de estimación de distribuciones en problemas de optimización combinatoria. Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, 7(19), p.0.
Martín Pérez A., Rodríguez González A.Y., 2004. Un estudio sobre los Algoritmos con Estimación de las Distribuciones basados en modelos simplemente conectados
Miquélez Echegaray, M.T., 2010. Avances en algoritmos de estimación de distribuciones. Alternativas en el aprendizaje y representación de problemas. Krejca, M.S. and Witt, C., 2020. Theory of estimation-of-distribution algorithms. In Theory of Evolutionary Computation (pp. 405-442). Springer, Cham.
Clase - Algoritmos Evolutivos Celulares
Alba, E., Madera, J., Dorronsoro, B., Ochoa, A. and Soto, M., 2006. Theory and practice of cellular UMDA for discrete optimization. In Parallel Problem Solving from Nature-PPSN IX (pp. 242-251). Springer, Berlin, Heidelberg.
Tomassini, M., 2006. Spatially structured evolutionary algorithms: Artificial evolution in space and time. Springer Science & Business Media Alba, E. and Dorronsoro, B., 2009. Cellular genetic algorithms (Vol. 42). Springer Science & Business Media.
Martínez-López, Y., Madera, J., Rodríguez-González, A.Y. and Barigye, S., 2019. Cellular Estimation Gaussian Algorithm for Continuous Domain. Journal of Intelligent & Fuzzy Systems, 36(5), pp.4957-4967.
Martínez-López, Y., Rodríguez-González, A.Y., Quintana, J.M., Moya, A., Morgado, B. and Mayedo, M.B., 2019, July. CUMDANCauchy-C1: a cellular EDA designed to solve the energy resource management problem under uncertainty. In Proceedings of the Genetic and Evolutionary Computation Conference Companion (pp. 13-14).
Google Sites
Report abuse