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.