International Conference on Evolutionary Multi-Criterion Optimization se centra en la optimización con múltiples objetivos mediante computación evolutiva y métodos relacionados. El congreso estudia problemas en los que una solución necesita equilibrar varios criterios que pueden entrar en conflicto y reúne investigación sobre algoritmos evolutivos, técnicas poblacionales, optimización bayesiana, modelos sustitutos, inteligencia artificial, fundamentos teóricos, métodos interactivos, toma de decisiones, benchmarking, indicadores de rendimiento y aplicaciones prácticas. Su convocatoria admite artículos científicos completos originales y combina investigación metodológica con líneas destinadas a reforzar la relación entre optimización evolutiva, decisión multicriterio y necesidades procedentes de aplicaciones reales.
El objetivo científico de International Conference on Evolutionary Multi-Criterion Optimization consiste en desarrollar métodos capaces de explorar espacios de soluciones donde no existe necesariamente una única alternativa que sea mejor en todos los criterios. En numerosos problemas, mejorar una propiedad implica empeorar otra, por lo que la investigación necesita identificar conjuntos de compromisos y proporcionar mecanismos que ayuden a seleccionar soluciones adecuadas. El congreso aborda tanto los fundamentos matemáticos y algorítmicos de esta búsqueda como los procedimientos utilizados para evaluar resultados y trasladarlos hacia situaciones reales.
Los algoritmos evolutivos y poblacionales constituyen una de las principales líneas oficiales. Estas técnicas mantienen y transforman conjuntos de soluciones y utilizan operadores inspirados en procesos de variación y selección para explorar regiones prometedoras. Las contribuciones pueden desarrollar nuevos algoritmos, estudiar mecanismos de diversidad y analizar estrategias destinadas a aproximar de manera eficiente el conjunto de soluciones no dominadas. La investigación también puede examinar cómo cambia el comportamiento cuando aumenta el número de objetivos o cuando el espacio de decisión presenta restricciones complejas.
Los métodos basados en modelos sustitutos y optimización bayesiana forman otro eje explícito. En determinados problemas evaluar una solución puede requerir simulaciones costosas, experimentos o procesos de cálculo prolongados. Los modelos sustitutos intentan aproximar esa evaluación utilizando información recopilada previamente y permiten seleccionar con mayor inteligencia qué alternativas merece la pena estudiar. La investigación puede analizar precisión, gestión de incertidumbre y estrategias para equilibrar exploración de zonas desconocidas y explotación de soluciones que ya parecen prometedoras.
Los métodos híbridos basados en aprendizaje automático e inteligencia artificial representan otra línea oficial. Las contribuciones pueden integrar modelos aprendidos dentro de algoritmos de optimización para predecir rendimiento, identificar estructuras o guiar la búsqueda. También pueden estudiar cómo técnicas de inteligencia artificial ayudan a representar preferencias o reducir el coste de problemas complejos. El interés científico reside en determinar cuándo la combinación produce ventajas reales y en analizar la robustez de los resultados cuando las predicciones utilizadas por el algoritmo contienen errores.
Los fundamentos teóricos de la optimización multiobjetivo constituyen otro bloque científico. Los trabajos pueden estudiar convergencia, complejidad, propiedades de operadores y características geométricas del espacio de soluciones. La teoría permite comprender por qué determinados algoritmos funcionan bajo ciertas condiciones y ayuda a establecer límites sobre lo que puede conseguirse. Estas investigaciones proporcionan además criterios para diseñar nuevos métodos y evitar depender únicamente de comparaciones experimentales.
Los enfoques basados en preferencias e interacción forman otra línea destacada. En un problema real, no todas las soluciones que matemáticamente pertenecen al conjunto de compromisos tienen el mismo interés para quien toma la decisión. Los métodos interactivos permiten incorporar preferencias durante el proceso y orientar la búsqueda hacia regiones relevantes. Las contribuciones pueden estudiar cómo representar información incompleta, cómo formular preguntas útiles y cómo evitar exigir a una persona comparaciones demasiado complejas o inconsistentes.
La toma de decisiones con múltiples criterios constituye un track específico destinado a favorecer el intercambio entre dos comunidades estrechamente relacionadas. Los trabajos pueden investigar métodos para valorar alternativas, modelizar preferencias y apoyar decisiones cuando intervienen numerosos criterios. El congreso permite además contribuciones que utilizan métodos no evolutivos siempre que expliquen claramente su relevancia para los problemas tratados por la comunidad de optimización evolutiva.
El benchmarking y los indicadores de rendimiento constituyen otra línea oficial. Comparar algoritmos multiobjetivo requiere métricas capaces de valorar simultáneamente proximidad a buenas soluciones, diversidad y cobertura del espacio de compromisos. Los artículos pueden desarrollar indicadores, conjuntos de problemas y metodologías experimentales. También pueden estudiar visualización, especialmente importante cuando existen muchos objetivos y resulta difícil representar de manera intuitiva las relaciones entre soluciones.
Las aplicaciones prácticas forman un eje central del programa. La convocatoria incorpora un track industrial dedicado a problemas procedentes de organizaciones y ámbitos no académicos. Estas contribuciones pueden presentar artículos completos o trabajos más breves y buscan identificar desafíos fundamentales que aparecen durante la utilización real de técnicas de optimización. El contacto con aplicaciones permite descubrir restricciones, incertidumbres y objetivos que no siempre aparecen en benchmarks académicos y puede estimular nuevos desarrollos metodológicos.
La publicación científica utiliza revisión por pares para los artículos completos y exige trabajos originales. Los resultados aceptados se publican dentro de una serie internacional de informática y los trabajos completos necesitan presentarse presencialmente para formar parte de las actas. Esta política vincula publicación y discusión científica y garantiza que las contribuciones puedan examinarse directamente dentro de la comunidad especializada.
International Conference on Evolutionary Multi-Criterion Optimization se dirige a especialistas en optimización, matemática aplicada, investigación operativa, computación evolutiva, inteligencia artificial y toma de decisiones. También resulta relevante para profesionales que necesitan resolver problemas de diseño y planificación con objetivos contrapuestos. International Conference on Evolutionary Multi-Criterion Optimization contribuye al avance de la disciplina al conectar teoría, algoritmos, evaluación y aplicaciones y favorecer métodos capaces de representar de forma rigurosa los compromisos inherentes a decisiones complejas.
Palabras clave: optimización multiobjetivo, optimización multicriterio, computación evolutiva, algoritmos evolutivos, algoritmos poblacionales, optimización bayesiana, modelos sustitutos, inteligencia artificial, aprendizaje automático, optimización híbrida, teoría de optimización, preferencias, métodos interactivos, toma de decisiones, decisión multicriterio, MCDM, Pareto, soluciones no dominadas, benchmarking, indicadores de rendimiento, visualización, optimización matemática, investigación operativa, heurísticas, metaheurísticas, optimización con restricciones, optimización many-objective, evaluación experimental, aplicaciones industriales, optimización basada en preferencias, incertidumbre, búsqueda, espacio de soluciones, teoría algorítmica, métodos computacionales, diseño óptimo, apoyo a decisiones
