Martí Coma Company defiende su tesis sobre optimización con métodos híbridos

Los Algoritmos Evolutivos (EA) son métodos de optimización útiles para la exploración del espacio de búsqueda, pero suelen tener problemas de lentitud para explotar el mínimo y converger con precisión. Por otro lado, los métodos basados en gradientes convergen más rápido a los mínimos locales, aunque no son tan robustos (por ejemplo, las áreas planas y las discontinuidades pueden causar problemas) y carecen de capacidades de exploración.
Esta tesis presenta y analiza cuatro versiones de un método de optimización híbrido que intenta combinar las virtudes de los Algoritmos Evolutivos (EA) y los algoritmos basados en gradientes, y superar sus correspondientes inconvenientes. Los Métodos Híbridos propuestos permiten trabajar con N algoritmos de optimización (llamados jugadores), múltiples funciones objetivo y variables de diseño, y definirlas de manera diferente para cada jugador. El rendimiento de los métodos híbridos se compara con un método basado en gradiente, dos Algoritmos Genéticos (GA) y un método de optimización de enjambre de partículas (PSO).
Se han realizado pruebas con problemas matemáticos de referencia (pruebas sintéticas diseñadas para probar específicamente métodos de optimización) y una aplicación de ingeniería con recursos computacionales muy exigentes, un actuador de chorro sintético para control de flujo activo (AFC) sobre un perfil aerodinámico 2D Selig-Donovan 7003 (SD7003) en el número de Reynolds 60000 y un ángulo de ataque de 14 grados. El problema de control de flujo activo se ha utilizado en un problema de optimización mono objetivo y en un problema de optimización de dos objetivos.