La incertidumbre está presente en sectores industriales como la logística del transporte y la producción, la gestión de la cadena de suministro, las redes informáticas y de telecomunicaciones o la economía y las finanzas. Así, para hacer frente a sus componentes estocásticos, los métodos y técnicas de simulación se emplean frecuentemente en el análisis de sistemas complejos relacionados con estos sectores. Sin embargo, la simulación no es una herramienta de optimización, por lo que debe combinarse con métodos de optimización siempre que el objetivo sea maximizar el rendimiento del sistema o minimizar los costes asociados. Un gran número de estos problemas de optimización de la vida real son de naturaleza NP-dura y a gran escala, lo que hace necesario el uso de enfoques metaheurísticos para resolverlos de manera eficiente. Los algoritmos simeurísticos combinan métodos de simulación con metaheurísticas para tratar eficientemente los problemas de optimización estocástica. El objetivo de esta sesión es presentar las aplicaciones recientes de los algoritmos simeurísticos en los campos de la logística y el transporte.

Gran cantidad de problemas de optimización del mundo real consiste en maximizar o minimizar varias funciones objetivo las cuales suelen estar en conflicto entre sí. Estas funciones suelen ser complejas y evaluarlas puede ser costoso desde un punto de vista computacional. La optimización multiobjetivo es la disciplina que trata de encontrar las soluciones, llamadas Pareto óptimas o eficientes, a este tipo de problemas. Actualmente, la optimización multiobjetivo usando metaheurísticas es una línea de investigación abierta y fructífera, en la que existen muchos aspectos por estudiar, tanto metodológicos como aplicados. Esta sesión pretende ser un punto de encuentro para los investigadores interesados en esta disciplina.

Muchos problemas prácticos de optimización y búsqueda, especialmente aquellos procedentes de escenarios reales, son cada vez de mayor tamaño y complejidad. Una forma de encontrar soluciones precisas en un tiempo abordable para este tipo de problemas consiste en utilizar técnicas paralelas. Así, la accesibilidad actual de arquitecturas paralelas (multiprocesadores, multicores, GPUs, etc.) plantea nuevas oportunidades de diseño algorítmico en el área y da lugar a software de optimización muy eficiente.

El objetivo de esta sesión especial en MAEB 2018 es establecer un punto de encuentro entre investigadores que trabajen en el desarrollo y aplicación de métodos paralelos. Contribuciones sobre nuevos avances teóricos así como aplicaciones prácticas de este tipo de algoritmos son de interés. Los tópicos de esta sesión especial incluyen Algoritmos evolutivos paralelos, Metaheurísticas paralelas y Modelos maestro/esclavo entre otros.

El proceso de transformación de unos bienes y servicios en productos con mayor utilidad se denomina Producción. Un sistema productivo es un conjunto de elementos relacionados entre sí con el propósito de desempeñar la función de producir. La gestión de la producción se encarga de diseñar, coordinar, administrar, gobernar y controlar todas las operaciones, tanto productivas como logísticas o asistentes, que están presentes tanto en el diseño como en la explotación de los sistemas productivos y logísticos. La dirección de operaciones, con sus diversos enfoques (flujo de materiales, actividades de proceso y capacidad de recursos), contribuye a alcanzar los objetivos fijados al sistema productivo-logístico en la forma más eficiente posible referida al consumo de recursos, mediante la adopción de las políticas, estrategias, decisiones y acciones oportunas. Dichos objetivos se centran en aspectos de cantidad, calidad, plazos y coste.

En este marco aparecen numerosos problemas de optimización de compleja resolución debido a varias causas, entre ellas: (1) las dimensiones de dichos problemas cuando se tratan de abordar en entornos industriales y realistas, (2) el carácter combinatorio de muchos de ellos, y (3) la naturaleza del objetivo que trata de responder, adecuadamente y a la vez, a criterios vinculados a la eficiencia del sistema, sus costes de explotación y distribución, y los tiempos de recepción, ejecución y entrega de materiales, servicios y productos. En las últimas décadas, muchos problemas vinculados a la Producción y la Logística en el entorno industrial han sido tratados con éxito con técnicas de resolución basadas en Metaheurísticas (MHs), en general, y en Algoritmos Evolutivos y Bioinspirados (AEBs), en particular. Dichas técnicas, sin descartar otras como la Programación Dinámica y la Programación Matemática, constituyen una potente y vasta caja de herramientas para tratar muy adecuadamente problemas de optimización en el marco de las operaciones productivas y logísticas de las compañías.

La sesión que proponemos está dedicada a la aplicación de MHs y AEBs a problemas de optimización de diseño y dirección de sistemas productivos y logísticos. Incluye los siguientes tópicos: Diseño del sistema productivo, Fiabilidad, renovación y mantenimiento de sistemas productivo-logísticos, Gestión de stocks de materiales componentes y de productos o Planificación de operaciones.

Las aplicaciones médicas son, desde hace años, una fuente de motivación para los investigadores en Metaheurísticas, Algoritmos Evolutivos y Bioinspirados (MAEB) y representan en la actualidad una de las áreas con mayor presencia en muchos ámbitos de investigación. Esta sesión especial se centra en la aplicación de las MAEBs a la resolución de problemas relacionados con la medicina y la asistencia sanitaria. Particularmente, se buscan contribuciones en las siguientes temáticas (aunque no se limitan a):

• Modelado y simulación de procesos médicos
• Diagnóstico y terapia clínica
• Imágenes médicas
• Procesamiento de la señal en medicina
• Análisis de textos médicos
• Minería de datos y registros de datos médicos
• Sistemas expertos clínicos
• Análisis descriptivos de fármacos
• Estudios clínicos basados en la genómica
• Atención centrada en el paciente
• Optimización de sistemas biométricos
• Análisis de datos recogidos con sistemas biométricos

Scatter Search es un método metaheurístico para resolver problemas de optimización. Aunque fue originalmente introducido en los años setenta, recientemente es cuando ha sido probado en numerosos problemas difíciles con gran éxito. Pertenece a la familia de los llamados Algoritmos Evolutivos, los cuales se distinguen por estar basados en la combinación de un conjunto de soluciones. Aunque presenta similitudes con los Algoritmos Genéticos, difiere de éstos en principios fundamentales, tales como el uso de estrategias sistemáticas en lugar de aleatorias. Scatter Search proporciona un marco flexible que permite el desarrollo de diferentes implementaciones con distintos grados de complejidad.

Path Relinking, traducido usualmente por re-encadenamiento de trayectorias, es una metodología que se basa en aplicar un algoritmo de búsqueda local a una solución dada, denominada solución inicial, con el propósito de acercarse a otra solución dada, denominada solución guía. Este método ha sido aplicado en combinación con otras metodologías, como Scatter Search, Tabu Search o GRASP.

En esta sesión se aceptan trabajos que apliquen Scatter Search o Path Relinking a la resolución de cualquier tipo de problema o aplicación considerada difícil de resolver.

La bioinformática es hoy en día un área amplia de investigación, desarrollo y aplicación de herramientas computacionales para analizar el uso de datos biológicos, médicos o de salud, incluyendo los métodos para adquirir, almacenar, organizar, archivar, analizar o visualizar dichos datos. Muchos aspectos de la investigación actual en bioinformática están siendo desarrollados por investigadores del ámbito de computación evolutiva que utilizan diferentes algoritmos de computación bio-inspirada en su búsqueda de soluciones a diferentes problemas. La sesión proporcionará un punto de encuentro para los asistentes e investigadores de computación evolutiva y, en general métodos bio-inspirados, que tengan un interés actual o en desarrollo en problemas de bioinformática.

Áreas relevantes incluyen las siguientes (sin ser una lista exhaustiva), en la que se usan métodos bio-inspirados:

• Análisis de secuencias genómicas. Análisis de datos de microarrays.
• Análisis de secuencias proteicas: medidas de similitud de secuencia, alineamientos, motivos, etc.
• Modelado y análisis de redes de regulación genéticas.
• Predicción de la estructura (secundaria y terciaria) de proteínas u otras macromoléculas.
• Modelado del plegado de proteínas.
• Utilización de esquemas de Vida Artificial como Autómatas Celulares o Sistemas de Lindenmayer en el modelado de procesos biológicos.
• Aproximaciones híbridas entre algoritmos evolutivos y heurísticas (estrategias Baldwinianas, estrategias Lamarckianas, algoritmos meméticos,...) en aplicaciones de bioinformática.
• Aproximaciones multi-objetivo en aplicaciones de bioinformática.
• Estrategias de manejo de datos y de visualización de datos de genómica y proteómica.
• Modelado de sistemas multicelulares: procesos de desarrollo, modelado de crecimiento tumoral, etc.

La urbanización global está continuamente remodelando nuestro mundo. Más de la mitad de la población mundial está actualmente viviendo en áreas urbanas y se espera que el 75% de la humanidad viva en ciudad para 2050. Esta transformación brinda grandes oportunidades para el crecimiento cultural y económico. Sin embargo, también trae aparejados una serie de problemas desafiantes como la superpoblación en áreas metropolitanas, el costo de la vida, la contaminación ambiental y las infraestructuras inadecuadas, entre otros.

Las ciudades inteligentes intentan proporcionar soluciones a las necesidades en constante crecimiento integrando tecnologías de la información y dispositivos interconectados en entornos urbanos. Esto permite la recopilación e interpretación de grandes cantidades de datos, que se utilizan para optimizar diversos aspectos de la operación de las ciudades a través del diseño y modelado de soluciones y sistemas ad hoc. Los sistemas de transporte inteligente, edificios inteligentes, comunicaciones inteligentes y redes de energía son algunas de las áreas de investigación más activas en este dominio.

La inteligencia computacional (I.C.) ha desempeñado un papel importante en la mayoría de los complejos sistemas existentes hasta ahora, y también se espera que tenga una posición destacada en las ciudades inteligentes. Hablamos de metodologías como el aprendizaje automático, la ciencia de datos, las redes neuronales artificiales, los algoritmos evolutivos, la inteligencia de enjambre y la lógica difusa. Todos ellos ofrecen técnicas computacionalmente potentes para modelar, analizar y optimizar sistemas de ciudades inteligentes. De hecho, la inteligencia computacional es una forma importante de construir la parte "inteligente" de la ciudad. La interacción de tales enfoques con investigación de operaciones y muchos otros dominios (ingeniería civil, planificación urbana, gestores, empresas ...) puede ofrecer soluciones innovadoras y sostenibles a problemas de alta complejidad, como los que suele plantear una ciudad moderna.

La presente sesión especial aceptará trabajos sobre cualquier aspecto de inteligencia computacional en entornos de ciudades inteligentes, tanto teóricos como aplicados:

• Inteligencia computacional en transporte inteligente y logística
• Inteligencia computacional en movilidad y planificación urbana
• Inteligencia computacional en sistemas de energía inteligente
• Inteligencia computacional en sostenibilidad (ambiental, social, económica)
• Inteligencia computacional en hogares inteligentes e Internet de las cosas
• Inteligencia computacional en sistemas de salud inteligentes
• Inteligencia computacional para la gobernanza
• Inteligencia computacional para personas y calidad de vida
• Inteligencia computacional para el turismo y el entretenimiento en la ciudad
• Inteligencia computacional en economía circular
• Sistemas ciber-físicos e Internet de las cosas junto con I.C.
• I.C. para seguridad, big data, datos abiertos y software para ciudades

Las aplicaciones con visión holística en ciudad, que implican metodologías eficientes de aprendizaje y optimización para este tipo de problemas serán especialmente bienvenidas.