En áreas como la Ingeniería Mecánica y Química se suele trabajar con simulaciones numéricas que modelan fenómenos físicos y/o químicos de los sistemas estudiados. Dichas simulaciones realizan cálculos a partir de modelos rigurosos y costosos computacionalmente, que permiten predecir el comportamiento de un fenómeno frente a diversas condiciones de operación o funcionamiento, con miras a su optimización. El uso de modelos subrogados es una alternativa que permite modelar sistemas complejos prácticamente sin pérdida de información.

Los modelos subrogados son modelos aproximados que capturan el funcionamiento de un modelo numérico o simulación de la forma más precisa posible. Para ello, a partir de un conjunto de datos acotado de entrada y salida, se busca construir ecuaciones simples que vinculen las entradas y las salidas mediante combinaciones lineales de polinomios de bajo orden, funciones logarítmicas, exponenciales, etc. El uso de modelos subrogados es indispensable ya que permiten disminuir considerablemente el alto costo computacional asociado a la ejecución del modelo numérico, posibilitando así la evaluación de un conjunto grande de soluciones durante el proceso de optimización.

El objetivo de este proyecto consiste en la utilización de técnicas de inteligencia computacional para la generación de modelos subrogados a partir de datos de simulaciones. En particular, el proyecto estará centrado fundamentalmente en la utilización de algoritmos evolutivos.