Search

Association rule mining is intended for searching for the relationships between attributes in transaction databases. The whole process of rule discovery is very complex, and involves pre-processing techniques, a rule mining step, and post-processing, in which visualization is carried out. Visualization of discovered association rules is an essential step within the whole association rule mining pipeline, to enhance the understanding of users on the results of rule mining. Several association rule mining and visualization methods have been developed during the past decades. This review paper aims to create a literature review, identify the main techniques published in peer-reviewed literature, examine each method's main features, and present the main applications in the field. Defining the future steps of this research area is another goal of this review paper.

In this paper we propose new probabilistic and dynamic (adaptive) strategies to create multi-method ensembles based on the Coral Reefs Optimization with Substrate Layers (CRO-SL) algorithm. The CRO-SL is an evolutionary-based ensemble approach, able to combine different search procedures within a single population. In this work we discuss two different probabilistic strategies to improve the algorithm. First, we defined the Probabilistic CRO-SL (PCRO-SL), which substitutes the substrates in the CRO-SL population by {\em tags} associated with each individual. Each tag represents a different operator which will modify the individual in the reproduction phase. In each generation of the algorithm, the tags are randomly assigned to the individuals with a similar probability, obtaining this way an ensemble with a more intense change in the application of different operators to a given individual than the original CRO-SL. The second strategy discussed in this paper is the Dynamical Probabilistic CRO-SL (DPCRO-SL), in which the probability of tag assignment is modified during the evolution of the algorithm, depending on the quality of the solutions generated in each substrate. Thus, the best substrates in the search process will be assigned with a higher probability that those which showed a worse performance during the search. We test the performance of the proposed probabilistic and dynamic ensembles in different optimization problems, including benchmark functions and a real application of wind turbines layout optimization, comparing the results obtained with that of existing algorithms in the literature., 18 pages, 6 figures, 5 tables

Atmospheric Extreme Events (EEs) cause severe damages to human societies and ecosystems. The frequency and intensity of EEs and other associated events are increasing in the current climate change and global warming risk. The accurate prediction, characterization, and attribution of atmospheric EEs is therefore a key research field, in which many groups are currently working by applying different methodologies and computational tools. Machine Learning (ML) methods have arisen in the last years as powerful techniques to tackle many of the problems related to atmospheric EEs. This paper reviews the ML algorithms applied to the analysis, characterization, prediction, and attribution of the most important atmospheric EEs. A summary of the most used ML techniques in this area, and a comprehensive critical review of literature related to ML in EEs, are provided. A number of examples is discussed and perspectives and outlooks on the field are drawn., 93 pages, 18 figures, under review

In this paper three customised Artificial Intelligence (AI) frameworks, considering Deep Learning (convolutional neural networks), Machine Learning algorithms and data reduction techniques are proposed, for a problem of long-term summer air temperature prediction. Specifically, the prediction of average air temperature in the first and second August fortnights, using input data from previous months, at two different locations, Paris (France) and C\'ordoba (Spain), is considered. The target variable, mainly in the first August fortnight, can contain signals of extreme events such as heatwaves, like the mega-heatwave of 2003, which affected France and the Iberian Peninsula. Thus, an accurate prediction of long-term air temperature may be valuable also for different problems related to climate change, such as attribution of extreme events, and in other problems related to renewable energy. The analysis carried out this work is based on Reanalysis data, which are first processed by a correlation analysis among different prediction variables and the target (average air temperature in August first and second fortnights). An area with the largest correlation is located, and the variables within, after a feature selection process, are the input of different deep learning and ML algorithms. The experiments carried out show a very good prediction skill in the three proposed AI frameworks, both in Paris and C\'ordoba regions., Comment: 33 pages, 14 figures, 7 tables, under review

Numerical association rule mining offers a very efficient way of mining association rules, where algorithms can operate directly with categorical and numerical attributes. These methods are suitable for mining different transaction databases, where data are entered sequentially. However, little attention has been paid to the time series numerical association rule mining, which offers a new technique for extracting association rules from time series data. This paper presents a new algorithmic method for time series numerical association rule mining and its application in smart agriculture. We offer a concept of a hardware environment for monitoring plant parameters and a novel data mining method with practical experiments. The practical experiments showed the method's potential and opened the door for further extension.

Resumen de la publicación de una participación en formato µVídeo en en el congreso Divulga NextGen (1ª edición) que se celebrará online, de manera gratuita y en las redes sociales los días 26, 27 y 28 de mayo de 2021., {"references":["[1] S. Salcedo-Sanz, A review on the coral reefs optimization algorithm: new development lines and current applications, Progress in Artificial Intelligence, 6 (2017) 1–15.","[2] C.G. Marcelino, P.E.M. de Almeida, E.F. Wanner, M.B., M. Weil, L.M. Carvalho, V. Miranda, Solving security constrained optimal power flow problems: a hybrid evolutionary approach, Applied Intellicence 48 (2018) 3672-3690","[3] A. Guitouni, J-M. Martel, J.M, Tentative guidelines to help choosing an appropriate MCDA method, European Journal of Operational Research, 109 (1998) 501–521","[4] C.G. Marcelino, M. Baumann, L.M. Carvalho, N. Chibeles-Martins, M. Weil, P.E.M. de Almeida, E.F. Wanner, A combined optimisation and decision-making approach for battery-supported HMGS, Journal of the Operational Research Society, 71(2020) 762-774"]}

In recent years, the research community has witnessed an explosion of literature dealing with the adaptation of behavioral patterns and social phenomena observed in nature towards efficiently solving complex computational tasks. This trend has been especially dramatic in what relates to optimization problems, mainly due to the unprecedented complexity of problem instances, arising from a diverse spectrum of domains such as transportation, logistics, energy, climate, social networks, health and industry 4.0, among many others. Notwithstanding this upsurge of activity, research in this vibrant topic should be steered towards certain areas that, despite their eventual value and impact on the field of bio-inspired computation, still remain insufficiently explored to date. The main purpose of this paper is to outline the state of the art and to identify open challenges concerning the most relevant areas within bio-inspired optimization. An analysis and discussion are also carried out over the general trajectory followed in recent years by the community working in this field, thereby highlighting the need for reaching a consensus and joining forces towards achieving valuable insights into the understanding of this family of optimization techniques.

This Ph.D. Thesis elaborates and analyzes several hybrid Soft-Computing algorithms for optimization and prediction problems in Atmospheric Physics. The core of the Thesis is a recently developed optimization meta-heuristic, the Coral Reefs Optimization Algorithm (CRO), an evolutionary-based approach which considers a population of possible solutions to a given optimization problem. It simulates different procedures mimicking real processes occurring in coral reefs in order to evolve the population towards good solutions for the problem. Alternative modifications of this algorithm lead to powerful co-evolution meta-heuristics, such as theCRO-SL, in which Substrates implementing different search procedures are included. Another modification of the algorithm leads to the CRO-SP, which considers Species in the evolutionof the population, and it is able to deal with different encodings within a single population.These approaches are hybridized with other Machine Learning and traditional algorithms such as neural networks or the Analogue Method (AM), to come up with powerful hybrid approaches able to solve hard problems in Atmospheric Physics...

Trabajo presentado en la European Geosciences Union General Assembly, celebrada en Viena (Austria), del 8 al 13 de abril de 2018, Currently the atmosphere is scrutinized using a number of systems ranging from conventional meteorological stations, to geostationary and polar orbiting satellites. These observations are then assimilated in models for meteorological forecasting or climate reanalysis. The increasing availability of these products should not hide the need of keeping and improving the operation of weather and climate stations, which can be compromised due to constraints in the budget of the operating agencies. In this context, it is highly relevant to identify which are the stations producing the most relevant data for a given variable or process. This can be formulated as an optimization problem, in the aim of finding the ideal subset of points that best reproduces the characteristics of a certain region. Recent developments in Evolutionary Algorithms have validated the performance of biologically-inspired operators to solve an extensive collection of optimization problems. Specifically, the Coral Reef Optimization (CRO) algorithm has provided efficient solutions to the Representative Selection problem, outperforming other well-known methodologies. Here, we combine the CRO algorithm with the widely-used Analog Method in order to identify the most representative set of monthly average temperature time series for Europe from gridded (ERA Interim) and un-gridded (ECA) datasets. Our approach exhibits good performance and shows similar results in both cases. Moreover, the best solutions obtained with this methodology are climatologically consistent, and include points from Scandinavia, Central and Southern Europe, Eastern Europe and the Black Sea. Interestingly, once the number of selected locations reaches a certain threshold, the improvement in the temperature reconstruction is achieved by adding points nearby the previously-identified zones and not by reshaping the number of sub-regions. Therefore, a reduced subset of original points over key areas is enough to capture the climate variability of the entire region. Furthermore, our method excels by reducing the reconstruction misfit up to 28% when compared with other metaheuristic procedures, such as the greedy algorithm, based on individual selections. These results are just an example of the multiple applications of this methodology, which range from the identification of best located climate proxies to the design of operational meteorological networks. Besides, they also stress the need for further studies where evolutionary algorithms can shed light on the dynamics of several climate variables by providing the minimum number of sampling locations to obtain spatially-resolved climate fields.

The proliferation of social networks and their usage by a wide spectrum of user profiles has been specially notable in the last decade. A social network is frequently conceived as a strongly interlinked community of users, each featuring a compact neighborhood tightly and actively connected through different communication flows. This realm unleashes a rich substrate for a myriad of malicious activities aimed at unauthorizedly profiting from the user itself or from his/her social circle. This manuscript elaborates on a practical approach for the detection of identity theft in social networks, by which the credentials of a certain user are stolen and used without permission by the attacker for its own benefit. The proposed scheme detects identity thefts by exclusively analyzing connection time traces of the account being tested in a nonintrusive manner. The manuscript formulates the detection of this attack as a binary classification problem, which is tackled by means of a support vector classifier applied over features inferred from the original connection time traces of the user. Simulation results are discussed in depth toward elucidating the potentiality of the proposed system as the first step of a more involved impersonation detection framework, also relying on connectivity patterns and elements from language processing. The presented work has been possible thanks to the funding support of the Basque Government under the CYBERSID project grant and the computing infrastructure of the i2BASQUE academic network.

In this paper we present a methodology for feature selection and clustering over variables describing countries’ economies and ICT indicators to study and identify investment opportunities, based on similarities between European and Latin American countries. We address two different problems. First, the work is based on a feature selection problem carried out with the Coral Reef Optimization algorithm. The CRO is a novel bio-inspired based on the simulation of reef formation and coral reproduction. On the other hand, the K-Means++ method is a high-performance robust tool designed to solve clustering problems. Together, both algorithms are able to successfully identify investment opportunities in Latin America and quantify the potential of the telecommunications industry in both regional areas. The work considers different economical and ICT’s variables from different European and Latin America countries datasets (mainly Agenda 21 and other available and global sources) for the period 2002-2012.

Black-box optimization problems (BBOP) are de ned as those optimization problems in which the objective function does not have an algebraic expression, but it is the output of a system (usually a computer program). This paper is focussed on BBOPs that arise in the eld of insurance, and more speci cally in reinsurance problems. In this area, the complexity of the models and assumptions considered to de ne the reinsurance rules and conditions produces hard black-box optimization problems, that must be solved in order to obtain the optimal output of the reinsurance. The application of traditional optimization approaches is not possible in BBOP, so new computational paradigms must be applied to solve these problems. In this paper we show the performance of two evolutionary-based techniques (Evolutionary Programming and Particle Swarm Optimization). We provide an analysis in three BBOP in reinsurance, where the evolutionary-based approaches exhibit an excellent behaviour, nding the optimal solution within a fraction of the computational cost used by inspection or enumeration methods.

Black-box optimization problems (BBOP) are de ned as those optimization problems in which the objective function does not have an algebraic expression, but it is the output of a system (usually a computer program). This paper is focussed on BBOPs that arise in the eld of insurance, and more speci cally in reinsurance problems. In this area, the complexity of the models and assumptions considered to de ne the reinsurance rules and conditions produces hard black-box optimization problems, that must be solved in order to obtain the optimal output of the reinsurance. The application of traditional optimization approaches is not possible in BBOP, so new computational paradigms must be applied to solve these problems. In this paper we show the performance of two evolutionary-based techniques (Evolutionary Programming and Particle Swarm Optimization). We provide an analysis in three BBOP in reinsurance, where the evolutionary-based approaches exhibit an excellent behaviour, nding the optimal solution within a fraction of the computational cost used by inspection or enumeration methods.

Los Algoritmos Genéticos (GAs) son una clase de técnicas de búsqueda basadas en los principios de la evolución y la genética, que han sido aplicadas con razonable eficacia a múltiples problemas de optimización. Las principales características de los GAs son su gran robustez y versatilidad, lo que permite su empleo en problemas muy dispares. No obstante, se conoce la existencia de tipós de problemas en los que los GAs tienen un rendimiento probadamente bajo (denominados genéricamente problemas GA-hard). Estudios previos muestran la existencia de una relación entre la dificultad de un pro blema para un GA y la estructura del desarrollo en serie de Walsh de la función objetivo. Esta tesis desarrolla dicha relación a través del concepto de espectro, definido a partir de la expansión de Walsh: se presentan así diversas técnicas que mejoran el rendimiento de los GAs en problemas GA-hard y en problemas reales mediante la modificación de los correspondientes espectros. En primer lugar, se realiza un estudio del efecto que tiene la aplicación de una trans formación lineal (TL) en el espectro de una determinada función y, por tanto, en sus pres taciones. Se especifica en qué condiciones una TL puede mejorar el rendimiento de un GA y se propone un algoritmo para la búsqueda de TLs. Incidentalmente, estos desarrollos arrojan luz sobre resultados contradictorios que aparecen en la literatura a cerca de la viabilidad de TLs en esquemas evolutivos. En segundo lugar, se elabora una interpretación del funcionamiento de algoritmos híbridos (AHs) en problemas de optimización con restricciones fuertes. Concretamente, se propone un esquema híbrido -basado en la unión de un GA, como algoritmo global,y de una red de Hopfield, como algoritmo local-, que presenta ventajas en problemas de este tipo; y se estudian sus prestaciones a través de las modificaciones que causa en el espectro del problema. Por último, se aplica el AH diseñado a dosproblemas de optimización que aparecen en ingeniería de telecomunicación: el diseño de la trama de transmisión en una red PRN, y la minimización de la interferencia co-canal en sistemas de satélites mediante la reasignación de canales. En ambos problemas se consiguen ventajas significativas sobre algoritmos previos., Genetic Aigorithms (GAs) are a class of search techniques based on the principies of evolution and genetics, which have been efficiently applied to a wide variety of optimization probiems. The most irnportant characteristics of GAs arerobustness and versatility,which allow their application to very different kinds of problems. However, there exists optimization problems in which GAs are known to perform pooriy (these problems are generically denoted as GA-hard problerns). Previous studies have shown that there exists a reiationship between GA performance and the structure of the Waish series expansion of the problern’s objective function. This thesis eiaborates on this relationship by means of the spectrum concept, defined from the Waish expansion: thus, sorne techniques to improve GA perforrnance in GA-hard problems, and in real problems, are presented. The interpretation for these techniques rests on the modifications they cause to probiems’ espectra. Firstiy, we provide sorne new results about the effect of Linear Transforrnations (LTs) in function spectra, and therefore in the corresponding GA performance. We investigate the conditions for a LT to improve GA performance in a given function, and propose an aigorithm to search a feasible LT. Eventually, the obtained resuits shed light on sorne apparently contradictory resuits in the literature about the viability of using LTs to enhance evolutionary algorithms. Secondiy, we elaborate an explanation of Hybrid Aigonthms (HAs) performance in hard constrained optimization probierns. A HA based on mixing GAs and Hopfield neural network is proposed (HNN-GA) and its features studied by means of spectra modifica tions. Finaliy, the HNN-GA is applied to two optimization problems in telecommunications: The design of a Packet Radio Network transmission frarne, and the minimization of co-channel interference in satellite systems using channel reassignment. In both problems HNN-GA outperforms existing algonthms.

This paper shows the first result obtained in the application of economic mechanisms for the efficient assignment of resources in communication networks. The final objective is to determine which Service Provider will carry their traffic over the network of a Network Provider, which will be the most profitable route and which price the ISPs will pay for it to the Network provider. As the price is a key driver a good approach to select the ISP may be an auction mechanism. The implementation of these kind of auction mechanisms becomes a NP complete problem which is solved in this paper using novel metaheuristics, specifically a genetic algorithm.

Auction mechanisms have arisen as very efficient methods for scarce resource allocations. For this reason there is a current research topic based on the application of these economics mechanisms to the design of communication networks, mainly in the provision of QoS to new multimedia services. The main research works are oriented to the assignment and pricing rules, that is, the network resource assigned to the user (the bandwidth on a link, or the route of a traffic demand) and the amount of money it is going to cost to him respectively. However, as far as we know, there is a little research focused in the analysis of the behaviour of the user. Note that an auction is in fact a competition where the user will behave selfishly in order to obtain the greater profit. In this paper we present the first results of a simulator which analyzes the behaviour of the user in an auction over a communication link. They obtain the revenue of the auctioneer that is the network provider, and the resource allocation under different schemes of user behaviour, from a very conservative character up to most risky behaviours.

This Ph.D. thesis’ goal is focused on the optimization of renewable energy resources development, specifically solar PV energy, using different hybrid computational Machine Learning techniques. Energy is the engine of our society, allowing us performing almost every action taken by human beings in our daily routine, and providing a constant evolution and development in all our fields. Currently, fossil fuels entail the higher percentage of energy sources in our planet. They have several advantages, such as easy and constant production, but, at the same time, they present substantial disadvantages, like the extreme pollution associated with these resources, and their contribution to global warming and climate change. This is the reason why the largest and most powerful economies are working for a energy change towards renewable sources for a sustainable development. In the introduction of this thesis, a large number of studies are presented, which foresee a penetration by over a 50% of this kind of energies in the next decades. Strong investments are being made in this field, looking for technology development and, besides, introducing these energies into society as a matter to be taken into account, for it is related to economic and social status. However, the development of energy systems mainly based on renewable energy will surely be slow, since these energies depend on variables which are out of our control, mainly atmospheric and climatic variables, which are intrinsically intermittent. This matter must be taken into account, due to the amount of energy demanded by society at the present, as well as the tremendous increase that is predicted for this demand in the future, due to new technologies and new ways of daily routines, like electric vehicles or IoT, etc. To obtain a solution for this problem, on one hand, it is fundamental to achieve the capability of predicting the quantity of energy obtained in each moment, avoiding increases or decreases of energy, being this matter the core of this Ph.D. Thesis, where the optimal feature selection for predicting the quantity of global solar radiation in a given point is studied. On the other hand, all the information to do the prediction process will be obtained from a numerical weather mesoscale model called WRF (Weather Research and Forecasting), a static model based on different physic equations which involve different variables like humidity, pressure or percentage of cloud fraction in any point and different heights in the planet. Additionally, dynamic information, like global solar radiation can be obtained from a radiometric measuring point in Toledo, Spain, allowing us to get a database of the solar global radiation in the past few years. The result of 9 mixing both of these data will be added as inputs in our hybrid systems. In this work, a deep analysis in the state of art for machine learning models is performed, so as to solve the problems previously considered. Different contributions have been proposed: 1. One of the pillars of this work is focused on the optimal feature selection in the exploitation of solar PV radiation in a given point. For this purpose, Extreme-Learning Machine (ELM) will be used as regressor element in the system, where the output of the ELM will be calculated from the WRF outcome features added as inputs in the system. 2. The second contribution of this thesis is related to parameters selection problems. More specifically, the use of EAs such as Grouping Genetic Algorithm (GGA) or Coral Reef Optimization (CRO) hybridized with others ML are used as classifiers and regressors. Regarding this, the GGA or CRO look for several subsets of basic parameters to solve the problem, and the regressor employed provides the prediction in terms of the selected by the Genetic Algorithm (GA), reducing the computational cost maintaining a good accuracy. Finally, the several of the mentioned algorithms are applied in the same problem already defined, in order to get the global solar radiation prediction in different points, dealing to improve previous results in other works and obtaining new applications and techniques, as new paths of research in the future., Esta Tesis doctoral tiene como objetivo la optimización de la explotación de recursos energéticos renovables, siendo en este caso el objetivo principal la energía solar fotovoltaica y la predicción del recurso. El análisis llevado a cabo se fundamenta en la utilización de algoritmos y técnicas computacionales metaheurísticas híbridas, específicamente algoritmos genéticos de agrupamiento, algoritmos de arrecife de coral y redes neuronales artificiales. La energía es el motor de nuestra sociedad, que nos permite realizar casi la totalidad de las acciones que el ser humano hace a diario, propugnando una constante evolución y desarrollo en cualquier ámbito de nuestra vida. Actualmente, los combustibles denominados fósiles son la mayor fuente energética de nuestro planeta, tanto por la facilidad y continuidad en su obtención, como porque gran parte de la tecnología hasta hace poco tiempo estaba basada en su consumo. Es sobradamente conocido que este tipo de energía son un recurso finito y extremadamente contaminante, afectando al medio en el que vivimos. Debido a esto, las grandes economías están apostando por un cambio paulatino en las fuentes de energía, siendo los recursos renovables los que garantizan un futuro sostenible para nuestra forma de vida. Como veremos en la introducción de esta tesis, numerosos estudios preveen una penetración de dichas fuentes por encima del 50% en las próximas décadas. Las fuertes inversiones que se realizan en esta materia, para su desarrollo y ampliación en la penetración, hacen de ellas un elemento interesante a niveles socio-económicos. Esta evolución será lenta y paulatina, ya que este tipo de energías tienen un elemento que no podemos controlar (al contrario que en las energías fósiles) que es su intermitencia intrínseca, ya que son energías que dependen de en muchos casos de fenómenos naturales, fundamentalmente atmosféricos en el caso de la energía solar y eólica. El objetivo final es conseguir que la penetración de estas energías renovables supere a las energías fósiles y permita salvar el problema anteriormente descrito. La mejor opción para conseguir una penetración elevada de los recursos renovables es desarrollar sistemas de predicción que permitan establecer el recurso disponible en el futuro próximo, para poder adelantarnos a cualquier exceso o defecto de la producción. Este será un elemento clave sobre el que gira la presente Tesis doctoral. Específicamente, la selección de las variables más importantes para realizar una predicción del recurso solar con el menor error posible y que nos permita realizar las gestiones oportunas en tiempo y forma. En este aspecto, obtendremos toda la información para la predicción de un modelo numérico-meteorológico de meso-escala (WRF), el cual es un modelo estático y que, basado en distintas ecuaciones físicas, aporta una serie de variables como la humedad, la presión o el porcentaje de cielo nublado que obtendremos en cualquier lugar del planeta, a distintas alturas. Este modelo puede ser utilizado para la predicción en sí mismo, pero usualmente sufre de falta de resolución en la estimación de la radiación solar en un punto específico de la superficie. En esta Tesis se utiliza una red neuronal de entrenamiento rápido para realizar la predicción final en el punto deseado, usando los algoritmos metaheurísticos mencionados anteriormente para la selección delas variables óptimas a usar en esta predicción. En este trabajo se ha realizado un análisis del estado del arte de los modelos de aprendizaje máquina que se utilizan actualmente, con el objetivo de resolver los problemas asociados a los temas tratados con anterioridad. Diferentes contribuciones han sido propuestas: 1. Uno de los pilares esenciales de este trabajo está centrado en la selección de los parámetros más importantes en la medición de la energía solar fotovoltaica en un punto dado. Con este propósito, el algoritmo de Extreme Learning Machine (ELM), será utilizado como elemento regresor del sistema, que permitirá calcular en un tiempo de cómputo mínimo, el valor de la radiación solar global en función de las variables de entrada. 2. Otro de los aspectos tratados está relacionado con problemas de selección de características para una óptima predicción de nuestro sistema regresor. Concretamente, con el uso de algoritmos evolutivos como Algoritmos de Agrupación Genética (GGA) o los algoritmos de Optimización de Arrecife de Coral (CRO) hibridados con otros métodos de aprendizaje máquina como clasificadores y regresores. En este sentido, el GGA o CRO analizan diferentes conjuntos de características para obtener aquel que resuelva el problema con el menor posible, y el regresor empleado proporciona la predicción en función de las características obtenidas por el GGA, reduciendo el coste computacional con gran fiabilidad en los resultados. Los diferentes algoritmos mencionados han sido aplicados a una serie de casos reales con medidas de radiación solar del observatorio Astronómico de Toledo, España.

This Ph.D. thesis deals with the optimization of several renewable energy resources development as well as the improvement of facilities management in oceanic engineering and airports, using computational hybrid methods belonging to AI to this end. Energy is essential to our society in order to ensure a good quality of life. This means that predictions over the characteristics on which renewable energies depend are necessary, in order to know the amount of energy that will be obtained at any time. The second topic tackled in this thesis is related to the basic parameters that influence in different marine activities and airports, whose knowledge is necessary to develop a proper facilities management in these environments. Within this work, a study of the state-of-the-art Machine Learning have been performed to solve the problems associated with the topics above-mentioned, and several contributions have been proposed: One of the pillars of this work is focused on the estimation of the most important parameters in the exploitation of renewable resources. The second contribution of this thesis is related to feature selection problems. The proposed methodologies are applied to multiple problems: the prediction of $H_s$, relevant for marine energy applications and marine activities, the estimation of WPREs, undesirable variations in the electric power produced by a wind farm, the prediction of global solar radiation in areas from Spain and Australia, really important in terms of solar energy, and the prediction of low-visibility events at airports. All of these practical issues are developed with the consequent previous data analysis, normally, in terms of meteorological variables., arXiv admin note: text overlap with arXiv:1706.03673, arXiv:1805.03463 by other authors

This Ph.D. thesis discusses advanced design issues of the evolutionary-based algorithm \textit{"Coral Reef Optimization"}, in its Substrate-Layer (CRO-SL) version, for optimization problems in Engineering Applications. The problems that can be tackled with meta-heuristic approaches is very wide and varied, and it is not exclusive of engineering. However we focus the Thesis on it area, one of the most prominent in our time. One of the proposed application is battery scheduling problem in Micro-Grids (MGs). Specifically, we consider an MG that includes renewable distributed generation and different loads, defined by its power profiles, and is equipped with an energy storage device (battery) to address its programming (duration of loading / discharging and occurrence) in a real scenario with variable electricity prices. Also, we discuss a problem of vibration cancellation over structures of two and four floors, using Tuned Mass Dampers (TMD's). The optimization algorithm will try to find the best solution by obtaining three physical parameters and the TMD location. As another related application, CRO-SL is used to design Multi-Input-Multi-Output Active Vibration Control (MIMO-AVC) via inertial-mass actuators, for structures subjected to human induced vibration. In this problem, we will optimize the location of each actuator and tune control gains. Finally, we tackle the optimization of a textile modified meander-line Inverted-F Antenna (IFA) with variable width and spacing meander, for RFID systems. Specifically, the CRO-SL is used to obtain an optimal antenna design, with a good bandwidth and radiation pattern, ideal for RFID readers. Radio Frequency Identification (RFID) has become one of the most numerous manufactured devices worldwide due to a reliable and inexpensive means of locating people. They are used in access and money cards and product labels and many other applications., Comment: arXiv admin note: text overlap with arXiv:1806.02654 by other authors

En esta tesis se presentan diferentes problemas que surgen durante la planificación, el diseño y la operación de un parque eólico. Este trabajo propone abordar estos problemas utilizando diferentes técnicas de soft-computing. En primer lugar se aborda la reconstrucción de valores de velocidad de viento basada en valores de presiones sinópticas. Se propone la utilización de máquinas de vectores de soporte, para establecer una relación entre los valores de viento y los valores de presión, disponibles en un grid sobre el área de estudio. Además, se aplica una técnica de Weather Regimes, para comparar. Ambos algoritmos son evaluados en varias situaciones reales en tres localizaciones, obteniendo resultados excelentes en términos de reconstrucción de viento. Se propone también la reconstrucción de series de viento utilizando datos de torres reales de medida. En este trabajo, se presenta la aplicación de dos redes neuronales, con un entrenamiento extremadamente rápido y con un rendimiento excelente en términos de precisión. En concreto, se aplican Extreme Learning Machines y Group Method of Data Handling para la reconstrucción de series de viento en un parque eólico real en España. Se realiza una comparación con otros algoritmos alternativos de la literatura en términos de tiempo de computación y precisión. Por otro lado, la distribución espacial del viento sobre un parque eólico proporciona información muy útil. Esta información se obtiene normalmente de simulaciones de modelos de mesoescala. En este trabajo se presentan diferentes técnicas para corregir estas simulaciones de modelos de mesoescala, utilizando datos de torres de medida situadas en el propio parque. En concreto, se proponen diferentes métodos heurísticos para ajustar mediante superficies los parámetros Weibull de la serie de viento del modelo de mesoescala con los de la serie de viento real medida por las torres. Se muestra el buen rendimiento obtenido por los algoritmos propuestos en dos parques eólicos en España. Por último se propone un novedoso algoritmo para el posicionamiento óptimo de las turbinas en un parque eólico. Se considera un modelo de parque eólico más realista, incluyendo orografía del terreno, forma del parque eólico, simulación de velocidad y dirección de viento y costes de instalación y conexión entre turbinas. Este trabajo propone la aplicación de un algoritmo heurístico que obtiene una solución inicial razonable para el problema. Esta solución se utilizará para inicializar la población inicial de un algoritmo evolutivo. Se muestra que el algoritmo evolutivo inicializado con la solución inicial del heurístico, obtiene muy buenos resultados, maximizando el beneficio económico.

En los últimos años se han consolidado una serie de diferentes métodos y algoritmos para problemas de aprendizaje máquina y optimización de sistemas, que han dado lugar a toda una corriente de investigación conocida como Soft-Computing. El término de Soft-Computing hace referencia a una colección de técnicas computacionales que intenta estudiar, modelar y analizar fenómenos muy complejos, para los que los métodos convencionales no proporcionan soluciones completas, o no las proporcionan en un tiempo razonable. Dentro de lo que se considera como Soft-Computing existen una gran cantidad de técnicas tales como Redes Neuronales, Máquinas de Vectores Soporte (SVM), Redes Bayesianas, Computación Evolutiva (Algoritmos Genéticos, Algoritmos Evolutivos etc), etc. La investigación de la Tesis está enfocada en dos de estas técnicas, en primer lugar las máquinas de vectores soporte de regresión (SVR) y en segundo lugar a las GMDH (Group Method of Data Handling). Las SVM son una técnica ideada por Vapnik, basada en el principio de minimización del riesgo estructural y la teoría de los métodos kernel, que a partir de un conjunto de datos construye una regla de decisión con la cual intentar predecir nuevos valores para dicho proceso a partir de nuevas entradas. La eficiencia de los sistemas SVM ha hecho que tengan un desarrollo muy significativo en los últimos años y se hayan utilizado en una gran cantidad de aplicaciones tanto para clasificación como para problemas de regresión (SVR). Uno de los principales problemas es la búsqueda de los que se conoce como hiper-parámetros. Estos parámetros no pueden ser calculados de forma exacta, por lo que se hace necesario testear un gran número de combinaciones, para obtener unos parámetros que generen una buena función de estimación. Debido a esto el tiempo de entrenamiento suele ser elevado y no siempre los parámetros encontrados generan una buena solución: ya sea porque el algoritmo de búsqueda tenga un pobre rendimiento o porque el modelo generado está sobre-entrenado. En esta Tesis se ha desarrollado un nuevo algoritmo de tipo evolutivo para el entrenamiento con kernel multi-paramétrico. Este nuevo algoritmo tiene en cuenta un parámetro  distinto, para cada una de las dimensiones del espacio de entradas. En este caso, debido al incremento del número de parámetros no puede utilizarse una búsqueda en grid clásica, debido al coste computacional que conllevaría. Por ello, en esta Tesis se propone la utilización de un algoritmo evolutivo para la obtención de los valores óptimos de los parámetros de la SVR y la aplicación de nuevas cotas para los parámetros de este kernel multi-paramétrico. Junto con esto, se han desarrollado nuevos métodos de validación que mejoren el rendimiento de las técnicas de regresión en problemas data-driven. La idea es obtener mejores modelos en la fase de entrenamiento del algoritmo, de tal forma que el desempeño con el conjunto de test mejore, principalmente en lo que a tiempo de entrenamiento se refiere y en el rendimiento general del sistema, con respecto a otros métodos de validación clásicos como son K-Fold cross-validation, etc. El otro foco de investigación de esta Tesis se encuentra en la técnica GMDH, ideada en los años 70 por Ivakhnenko. Es un método particularmente útil para problemas que requieran bajos tiempos de entrenamiento. Es un algoritmo auto-organizado, donde el modelo se genera de forma adaptativa a partir de los datos, creciendo con el tiempo en complejidad y ajustándose al problema en cuestión, hasta que el modelo alcanza un grado de complejidad óptima, es decir, no es demasiado simple ni demasiado complejo. De esta forma el algoritmo construye el modelo en base a los datos de los que dispone y no a una idea preconcebida del investigador, como ocurre en la mayoría de las técnicas de Soft-Computing. Las GMDH también tienen algunos inconvenientes como son los errores debido al sobre-entrenamiento y la multicolinealidad, esto hace que en algunas ocasiones el error sea elevado si lo comparamos con otras técnicas. Esta Tesis propone un nuevo algoritmo de construcción de estas redes basado en un algoritmo de tipo hiper-heurístico. Esta aproximación es un concepto nuevo relacionado con la computación evolutiva, que codifica varios heurísticos que pueden ser utilizados de forma secuencial para resolver un problema de optimización. En nuestro caso particular, varios heurísticos básicos se codifican en un algoritmo evolutivo, para crear una solución hiper-heurística que permita construir redes GMDH robustas en problemas de regresión. Todas las propuestas y métodos desarrollados en esta Tesis han sido evaluados experimentalmente en problemas benchmark, así como en aplicaciones de regresión reales.

According to the report published by the online protection firm Iovation in 2012, cyber fraud ranged from 1 percent of the Internet transactions in North America Africa to a 7 percent in Africa, most of them involving credit card fraud, identity theft, and account takeover or h¼acking attempts. This kind of crime is still growing due to the advantages offered by a non face-to-face channel where a increasing number of unsuspecting victims divulges sensitive information. Interpol classifies these illegal activities into 3 types: • Attacks against computer hardware and software. • Financial crimes and corruption. • Abuse, in the form of grooming or “sexploitation”. Most research efforts have been focused on the target of the crime developing different strategies depending on the casuistic. Thus, for the well-known phising, stored blacklist or crime signals through the text are employed eventually designing adhoc detectors hardly conveyed to other scenarios even if the background is widely shared. Identity theft or masquerading can be described as a criminal activity oriented towards the misuse of those stolen credentials to obtain goods or services by deception. On March 4, 2005, a million of personal and sensitive information such as credit card and social security numbers was collected by White Hat hackers at Seattle University who just surfed the Web for less than 60 minutes by means of the Google search engine. As a consequence they proved the vulnerability and lack of protection with a mere group of sophisticated search terms typed in the engine whose large data warehouse still allowed showing company or government websites data temporarily cached. As aforementioned, platforms to connect distant people in which the interaction is undirected pose a forcible entry for unauthorized thirds who impersonate the licit user in a attempt to go unnoticed with some malicious, not necessarily economic, interests. In fact, the last point in the list above regarding abuses has become a major and a terrible risk along with the bullying being both by means of threats, harassment or even self-incrimination likely to drive someone to suicide, depression or helplessness. California Penal Code Section 528.5 states: “Notwithstanding any other provision of law, any person who knowingly and without consent credibly impersonates another actual person through or on an Internet Web site or by other electronic means for purposes of harming, intimidating, threatening, or defrauding another person is guilty of a public offense punishable pursuant to subdivision [...]”. IV Therefore, impersonation consists of any criminal activity in which someone assumes a false identity and acts as his or her assumed character with intent to get a pecuniary benefit or cause some harm. User profiling, in turn, is the process of harvesting user information in order to construct a rich template with all the advantageous attributes in the field at hand and with specific purposes. User profiling is often employed as a mechanism for recommendation of items or useful information which has not yet considered by the client. Nevertheless, deriving user tendency or preferences can be also exploited to define the inherent behavior and address the problem of impersonation by detecting outliers or strange deviations prone to entail a potential attack. This dissertation is meant to elaborate on impersonation attacks from a profiling perspective, eventually developing a 2-stage environment which consequently embraces 2 levels of privacy intrusion, thus providing the following contributions: • The inference of behavioral patterns from the connection time traces aiming at avoiding the usurpation of more confidential information. When compared to previous approaches, this procedure abstains from impinging on the user privacy by taking over the messages content, since it only relies on time statistics of the user sessions rather than on their content. • The application and subsequent discussion of two selected algorithms for the previous point resolution: – A commonly employed supervised algorithm executed as a binary classifier which thereafter has forced us to figure out a method to deal with the absence of labeled instances representing an identity theft. – And a meta-heuristic algorithm in the search for the most convenient parameters to array the instances within a high dimensional space into properly delimited clusters so as to finally apply an unsupervised clustering algorithm. • The analysis of message content encroaching on more private information but easing the user identification by mining discriminative features by Natural Language Processing (NLP) techniques. As a consequence, the development of a new feature extraction algorithm based on linguistic theories motivated by the massive quantity of features often gathered when it comes to texts. In summary, this dissertation means to go beyond typical, ad-hoc approaches adopted by previous identity theft and authorship attribution research. Specifically it proposes tailored solutions to this particular and extensively studied paradigm with the aim at introducing a generic approach from a profiling view, not tightly bound to a unique application field. In addition technical contributions have been made in the course of the solution formulation intending to optimize familiar methods for a better versatility towards the problem at hand. In summary: this Thesis establishes an encouraging research basis towards unveiling subtle impersonation attacks in Social Networks by means of intelligent learning techniques.

La última década ha sido testigo de un aumento vertiginoso de la cantidad y frecuencia de desastres a gran escala, principalmente debido a los fenómenos devastadores derivados de paradigmas climatológicos y ambientales a gran escala como el calentamiento global. De entre ellos son las inundaciones, huracanes y terremotos los desastres de mayor frecuencia de aparición y fatales consecuencias durante este período, tal como certifican los más de 20.000 muertos a consecuencia de un terremoto en la región de Gujarat (India) en 2001, o las 230.000 y 316.000 pérdidas humanas de los terremotos de Indonesia y Haití en 2004 y 2010, respectivamente. En este contexto, el enfoque de esta tesis se centra en una casuística concreta de desastre a media-gran escala cuya frecuencia y severidad han crecido de manera igualmente preocupante en los últimos tiempos: los incendios, definidos como un fuego de grandes dimensiones no voluntariamente iniciado por el ser humano, y que afecta a aquello que no está destinado a quemarse. Pese a la diversidad de iniciativas, campañas y procedimientos orientados a la minimización del impacto y las consecuencias de los incendios, varios sucesos fatales acontecidos en los últimos años han puesto en duda la efectividad de las políticas actuales de gestión de recursos contra incendios como aeronaves, vehículos terrestres, equipamiento de comunicaciones radio, logística de abastecimiento y las brigadas desplegadas en el área afectada. Un ejemplo manifiesto de esta falta de eficacia es la muerte de once bomberos ocurrida en un incendio de 130 kilómetros cuadrados en la zona de Guadalajara (España) en 2005, oficialmente atribuida a una deficiente coordinación entre el puesto de mando y los equipos de extinción debida, fundamentalmente, a problemas de cobertura en los sistemas de radiocomunicación. Aunque la causa de esta falta de coordinación ha sido cuestionada por las autoridades y los agentes involucrados desde entonces, lo cierto es que este suceso supone un ejemplo evidente de la necesidad de estudiar y desarrollar herramientas algorítmicas que ayuden al personal de comandancia a ejecutar óptimamente sus tareas de coordinación y control. Desafortunadamente la coyuntura de crisis económica mundial que azota con especial fuerza los países del Sur de Europa ha mermado dramáticamente las partidas presupuestarias para la prevención y extinción de incendios en beneficio de programas nacionales de reducción de déficit. A consecuencia de estos recortes, el coste ha irrumpido con fuerza como un criterio de extrema relevancia en la planificación operativa de este tipo de desastres: desde la perspectiva de un problema de optimización, los recursos contra incendios son actualmente gestionados con el objetivo fundamental de maximizar su efectividad contra incendios, sujeto a la restricción de que el coste agregado asociado a las decisiones tomadas no supere un determinado umbral presupuestario. Pese a que estas restricciones de coste están bien acotadas, en la práctica la mayoría de los procedimientos de gestión de recursos contra incendios están fuertemente determinados por la capacidad limitada del ser humano para tomar decisiones ágiles en escenarios de elevada complejidad y heterogeneidad. Por los motivos anteriormente expuestos, la presente Tesis doctoral propone la adopción de algoritmos meta-heurísticos para solventar eficientemente problemas de optimización que modelan procesos de gestión de recursos contra incendios. Esta familia de algoritmos de optimización es capaz de explorar el espacio solución de un problema dado merced a la aplicación iterativa de mecanismos inteligentes de búsqueda explorativa y explotativa, produciendo soluciones que sacrifican calidad por una complejidad computacional menor en comparación con la resultante de procesos determinísticos de búsqueda exhaustiva. En particular la Tesis plantea la búsqueda por harmonía (del inglés Harmony Search) como la técnica meta-heurística de optimización común a las herramientas diseñadas para la gestión de recursos en dos escenarios diferentes: ? El primer escenario analizado contempla el despliegue óptimo de redes de comunicación inalámbrica para la coordinación de equipos de extinción en incendios forestales de gran escala. Desde el punto de vista formal, el problema del despliegue dinámico de retransmisores que caracteriza matemáticamente este escenario consiste en estimar el número y localización de los retransmisores radio que deben ser desplegados en el área afectada por el incendio, de tal modo que el número de nodos móviles (i.e. recursos) con cobertura radio es maximizado a un coste del despliegue mínimo. A fin de reflejar la diversidad de equipamiento de retransmisión radio existente en la realidad, este problema es reformulado para considerar modelos de retransmisor con diferentes características de cobertura y coste. El problema resultante es resuelto de manera eficiente mediante sendos algoritmos mono- y bi-objetivo que conjugan 1) la Búsqueda por Harmonía como método de búsqueda global; y 2) una versión modificada del algoritmo de agrupación K-means como técnica de búsqueda local. El desempeño de los métodos propuestos es evaluado mediante experimentos numéricos basados en datos estadísticos reales de la Comunidad de Castilla la Mancha (España), merced a cuyos resultados queda certificada su practicidad a la hora de desplegar infraestructura de comunicación en este tipo de desastres. ? El segundo escenario bajo estudio se concentra en el despliegue y planificación óptima de vehículos aéreos de extinción de incendios basados en estimaciones predictivas del riesgo de incendio de una cierta área geográfica. De manera enunciativa, el problema subyacente busca la asignación de recursos a aeródromos y aeropuertos con restricciones de capacidad que maximice la utilidad de dichos recursos en relación al riesgo de incendio y minimice, a su vez, el coste de ejecutar dicha asignación. La formulación de este problema también considera, dentro de la definición de dicha función de utilidad, la distancia relativa entre aeropuerto, punto de potencial riesgo de incendio y el recurso acuífero (lago, río o mar) más cercano. Para su resolución eficiente se propone el uso de algoritmos de optimización basados, de nuevo, en la Búsqueda por Harmonía, incorporando además métodos voraces de reparación capacitiva. La aplicabilidad práctica de estos métodos es validada mediante experimentos numéricos en escenarios sintéticos y un caso práctico que incluye valores reales del riesgo de incendio, posiciones de recursos acuíferos e instalaciones aeroportuarias. En resumen, esta Tesis evidencia, desde un punto de vista práctico, que la meta-heurística moderna supone una solución algorítmica computacionalmente eficiente para tratar problemas de gestión de recursos contra incendios sujetos a restricciones de coste.

Este trabajo de Tesis Doctoral estudia el problema del despliegue de redes móviles (Mobile Network Deployment Problem o MNDP), orientado a la localización de estaciones base en una red de telecomunicación GSM. Tradicionalmente, este problema de optimización consiste en hallar una solución tal que, con el mínimo coste económico de la red, asegure un grado de servicio mínimo en la zona. Así la función de evaluación maneja dos variables: el coste y el grado de cobertura de la red en el área de estudio. Una de las aportaciones de este trabajo es la incorporación de una nueva variable a dicha función: la radiación electromagnética sobre el terreno en el que opera la red. Existen numerosos estudios que abordan el problema a partir del coste y el grado de servicio, sin embargo no hemos encontrado investigaciones que persigan minimizar la cantidad de radiación emitida por las estaciones base. La sociedad actual mantiene cierta aversión a la radiación que emiten los equipos de telefonía móvil. De este sentimiento surge la idea de incorporar el parámetro de polución electromagnética al problema de optimización MNDP. El problema se aborda mediante métodos metaheurísticos de optimización: un algoritmo evolutivo tradicional, y un novedoso algoritmo recientemente publicado, el Coral Reefs Optimization (CRO). Este último es un algoritmo bio-inspirado que se basa en la simulación de los procesos que de los arrecifes de coral. Los resultados obtenidos de la aplicación de ambas metodologías al problema MNDP han sido comparados con otros tres algoritmos metaheurísticos con la misma función de evaluación. Estos son: el algoritmo Particle Swarm Optimization, el Harmony Search y un algoritmo tipo greedy. Los experimentos realizados sitúan, de manera ampliamente diferenciada, el algoritmo CRO como el más apropiado para resolver el problema MNDP.

Hernández Martín, Emiliano, codir., En esta tesis doctoral se propone una revisión de los diferentes métodos de categorización de la variabilidad del ozono en columna sobre la Península Ibérica que avanza sobre la utilidad de nuevos métodos recientemente probados. El ozono en un gas extremadamente importante en la atmósfera por su papel en la modulación de la radiación ultravioleta que llega a la superficie de la Tierra. La inyección de sustancias destructoras de dicho gas en la atmósfera llevó a la necesidad de elaborar un protocolo internacional (el Protocolo de Montreal) para regular inicialmente y prohibir finalmente las sustancias que originan, entre otros efectos, el agujero de ozono de la Antártida. Como se verá en este trabajo, los niveles de ozono en la estratosfera están muy relacionados con factores dinámicos y termodinámicos que, a su vez, caracterizan las variaciones y cambios en el clima. Por ello, estudiar las variaciones de ozono conlleva estudiar la variabilidad climática y viceversa. En este trabajo, se ha comenzado por estudiar las series de Total de Ozono en columna mediante herramientas simples para realizar una caracterizacion básica del fenómeno y conocer los rasgos grandes de su variabilidad. Seguidamente se han aplicado otros métodos más sofisticados como las modelos lineales de regresión múltiple, funciones Kernel, las herramientas de agrupación en conjuntos (clusters) y los modelos autorregresivos de media móvil, con estas herramientas se ha demostrado que los valores promedio de ozono variaban en el trascurso de tres décadas y también lo hacen las relaciones estadísticas con otras variables atmosféricas. Como ejemplo de singularidad, el periodo 1991-1993, registró valores mínimos notablemente inferiores debido sobre todo, a la ocurrencia de la erupción volcánica del Monte Pinatubo en junio de 1991. Como contribución al estudio de las características de las observaciones tomadas mediante diferentes instrumentos, se han realizado diferentes comparaciones entre observaciones de Total de Ozono en Columna y datos obtenidos en tierra mediante espectrofotómetros Brewer. Se ha encontrado un nuevo método para clasificar los dias de verano sobre Madrid, según las mediciones de radiación solar y nubosidad, y se ha aplicado este método para mejorar las comparaciones entre datos de sensores a bordo de diferentes satélites y datos de Brewer, pudiéndose encontrar interesantes conclusiones acerca del comportamiento de los algoritmos de recuperación del dato de dichos instrumentos a bordo de los satélites. Finalmente, en este trabajo se han aplicado Técnicas de Computación Avanzada tales como Redes Neuronales, Programación Evolucionante y Bancos de Redes Neuronales para mejorar la caraterización y la predicción de las series de TOC con buenos resultados tal y como se mostrará en la parte final de la Tesis, en donde se muestran las posibilidades de estas técnicas en la obtención de modelos que relaciones el Total de Ozono en Columna con diferentes variables atmosféricas termodinámicas y con diferentes índices climáticos.

La evolución experimentada por las comunicaciones móviles a lo largo de las últimas décadas ha sido motivada por dos factores principales: el surgimiento de nuevas aplicaciones y necesidades por parte del usuario, así como los avances tecnológicos. Los servicios ofrecidos para términales móviles han evolucionado desde el clásico servicio de voz y mensajes cortos (SMS), a servicios más atractivos y por lo tanto con una rápida aceptación por parte de usuario final como, video telephony, video streaming, online gaming, and the internet broadband access (MBAS). Todos estos nuevos servicios se han convertido en una realidad gracias a los avances técnologicos, avances tales como nuevas técnicas de acceso al medio compartido, nuevos esquemas de codificiación y modulación de la información intercambiada, sistemas de transmisión y recepción basados en múltiples antenas (MIMO), etc. Un aspecto importante en esta evolución fue la liberación del sector a principios de los años 90, donde la función reguladora llevado a cabo por las autoridades regulatorias nacionales (NRA) se ha antojado fundamental. Uno de los principales problemas tratados por la NRA espcífica de cada nación es la determinación de los costes por servicios mayoristas, esto es los servicios entre operadores de servicios móvilles, entre los que cabe destacar el coste por terminación de llamada o de inteconexión. El servicio de interconexión hace posible la comunicación de usuarios de diferente operadores, así como el acceso a la totalidad de servicios, incluso a aquellos no prestados por un operador en concreto gracias al uso de una red perteneciente a otro operador, por parte de todos los usuarios. El objetivo principal de esta tesis es la minimización de los costes de inversión en equipamiento de red, lo cual repercute en el establecimiento de las tarifas de interconexión como se verá a lo largo de este trabajo. La consecución de dicho objetivo se divide en dos partes: en primer lugar, el desarrollo de un conjunto de algoritmos para el dimesionado óptimo de una red de acceso radio (RAN) para un sistema de comunicaciones móvilles. En segundo lugar, el diseño y aplicación de algoritmos de optimización para la distribución óptima de los servicios sobre el conjunto de tecnologías móviles existentes (OSDP). El modulo de diseño de red proporciona cuatro algoritmos diferenciados encargados del dimensionado y planificación de la red de acceso móvil. Estos algoritmos se aplican en un entorno multi-tecnología, considerando sistemas de segunda (2G), tercera (3G) y cuarta (4G) generación, multi-usuario, teniendo en cuenta diferentes perfiles de usuarios con su respectiva carga de tráfico, y multo-servicio, incluyendo voz, servicios de datos de baja velocidad (64-144 Kbps), y acceso a internet de banda ancha móvil. La segunda parte de la tesis se encarga de distribuir de una manera óptima el conjunto de servicios sobre las tecnologías a desplegar. El objetivo de esta parte es hacer un uso eficiente de las tecnologías existentes reduciendo los costes de inversión en equipamiento de red. Esto es posible gracias a las diferencias tecnológicas existente entre los diferentes sistemas móviles, que hacen que los sistemas de segunda generación sean adecuados para proporcionar el servicio de voz y mensajería corta, mientras que redes de tercera generación muestran un mejor rendimiento en la transmisión de servicios de datos. Por último, el servicio de banda ancha móvil es nativo de redes de última generadón, como High Speed Data Acces (HSPA) y 4G. Ambos módulos han sido aplicados a un extenso conjunto de experimentos para el desarrollo de análisis tecno-económicos tales como el estudio del rendimiento de las tecnologías de HSPA y 4G para la prestación del servicio de banda ancha móvil, así como el análisis de escenarios reales de despliegue para redes 4G que tendrán lugar a partir del próximo año coinicidiendo con la licitación de las frecuencias en la banda de 800 MHz. Así mismo, se ha llevado a cabo un estudio sobre el despliegue de redes de 4G en las bandas de 800 MHz, 1800 MHz y 2600 MHz, comparando los costes de inversión obtenidos tras la optimización. En todos los casos se ha demostrado la mejora, en términos de costes de inversión, obtenida tras la aplicación de ambos módulos, posibilitando una reducción en la determinación de los costes de provisión de servicios. Los estudios realizados en esta tesis se centran en la nación de España, sin embargo todos los algoritmos implementados son aplicables a cualquier otro país europeo, prueba de ello es que los algoritmos de diseño de red han sido utilizados en diversos proyectos de regulación.

Este proyecto optimiza el mecanismo de detección de accidentes del sistema denominado "Moto eCall", finalizado en Junio del año 2011 en el Colegio de Ingeniería de Aarhus (Dinamarca). Para ello, y después de un largo proceso de búsqueda de soluciones, se propone el uso de una red neuronal artificial (RNA) de propagación hacia delante junto con la nueva técnica de aprendizaje denominada ELM (Extreme Learning Machine). Las RNAs ofrecen numerosas ventajas como aprendizaje adaptativo, auto-organización, tolerancia a fallos y operación en tiempo real. Además, el algoritmo ELM proporciona el mejor rendimiento de generalización a una velocidad de aprendizaje muy elevada. Con todo esto, las RNAs el algoritmo de aprendizaje ELM son la combinación perfecta para optimizar el rendimiento de Moto eCall. Gracias a los "crash test" realizados con el programa de simulación llamado "Working Model', la susodicha combinación ha sido probada. Los resultados muestran un rendimiento óptimo ya que la red neuronal reacciona casi inmediatamente cuando se produce un accidente y, además, los tiempos de entrenamiento y de previsión son más pequeños que los del algoritmo actual. Por lo tanto, se confirma que la propuesta de este proyecto mejora los puntos débiles del sistema actual de detección de accidentes, This project optimizes the accident detection mechanism of the system called "Moto eCall", developed in June 2011 at the Engineering College of Aarhus (Denmark). After a deep study of different solutions, a feedforward artificial neural network (ANN) trained the new learning technique referred to as Extreme Learning Machine (ELM) is proposed. Among others, ANNs present numerous advantages such as adaptive learning, self-organization, failover and real-time operation that make them a suitable alternative to the current crash detection technique. Besides, ELM algorithm tends to provide the best generalization performance at extremely fast learning speed. Therefore, ANNs and ELM are the perfect combination to optimize Moto eCall performance. Thanks to crash test developed with the simulation program called Working Model, the previously mentioned combination has been tested. The results show an optimal performance due to ANN reacts almost immediately when a crash happens and also ELM training and predicting times are shorter than currently algorithm. Consequently, it is confirmed that the proposal improves the weaknesses of the actual motorcycle crash detection system., Grado en Ingeniería en Sistemas de Telecomunicación

Premio Extraordinario de Doctorado de la UAH en 2013, Lozano Rodríguez, Carlos, codir., This thesis deals with the improvement of the optimization process in the aerodynamic design of aeronautical configurations. Nowadays, this topic is of great importance in order to allow the European aeronautical industry to reduce their development and operational costs, decrease the time-to-market for new aircraft, improve the quality of their products and therefore maintain their competitiveness. Within this thesis, a study of the state-of-the-art of the aerodynamic optimization tools has been performed, and several contributions have been proposed at different levels: -One of the main drawbacks for an industrial application of aerodynamic optimization tools is the huge requirement of computational resources, in particular, for complex optimization problems, current methodological approaches would need more than a year to obtain an optimized aircraft. For this reason, one proposed contribution of this work is focused on reducing the computational cost by the use of different techniques as surrogate modelling, control theory, as well as other more software-related techniques as code optimization and proper domain parallelization, all with the goal of decreasing the cost of the aerodynamic design process. -Other contribution is related to the consideration of the design process as a global optimization problem, and, more specifically, the use of evolutionary algorithms (EAs) to perform a preliminary broad exploration of the design space, due to their ability to obtain global optima. Regarding this, EAs have been hybridized with metamodels (or surrogate models), in order to substitute expensive CFD simulations. In this thesis, an innovative approach for the global aerodynamic optimization of aeronautical configurations is proposed, consisting of an Evolutionary Programming algorithm hybridized with a Support Vector regression algorithm (SVMr) as a metamodel. Specific issues as precision, dataset training size, geometry parameterization sensitivity and techniques for design of experiments are discussed and the potential of the proposed approach to achieve innovative shapes that would not be achieved with traditional methods is assessed. -Then, after a broad exploration of the design space, the optimization process is continued with local gradient-based optimization techniques for a finer improvement of the geometry. Here, an automated optimization framework is presented to address aerodynamic shape design problems. Key aspects of this framework include the use of the adjoint methodology to make the computational requirements independent of the number of design variables, and Computer Aided Design (CAD)-based shape parameterization, which uses the flexibility of Non-Uniform Rational B-Splines (NURBS) to handle complex configurations. The mentioned approach is applied to the optimization of several test cases and the improvements of the proposed strategy and its ability to achieve efficient shapes will complete this study.

MUGGES is a European research project with the goal of evaluating peer-to-peer service concepts based on GNSS systems for mobile phones. MUGGES provides an infrastructure to create, publish, provide and consume mobile micro-services directly from mobile devices. As part of the project four application prototypes have been developed, which allow for the description and sharing of places and routes between users. This paper reports about a user trial conducted in real environments with early adopters. The goal has been to identify benefits and best practices for the type of applications envisioned in the MUGGES project. The obtained results indicate that users like to share information about preferred places or routes, and see it as a complementary application to already existing applications such as Facebook or Twitter. These types of applications are often used in time-killing situations, e.g. at the bus stop. Their value lies on the highlighting of important places or non-everyday events, and on making daily coordinations simpler. People feel that the application is less intrusive, since no information such as the whereabouts of persons are shared anyhow

This book constitutes the thoroughly refereed post-conference proceedings of the Third International ICST Conference Mobile Lightweight Wireless Systems (MOBILIGHT 2011) held in Bilbao, Spain on May 9-10. 2011.

La tesis doctoral propone una nueva estructura de antena adecuada para ser utilizada en las bandas de frecuencia donde se proveen los principales servicios de telefonía móvil, y su proceso de optimización posterior, empleando algoritmos de programación evolutiva. La creciente demanda de ofrecer servicios de datos de alta velocidad, ha generado la necesidad de incrementar el ancho de banda de las antenas empleadas. Los elementos radiantes empleados tradicionalmente en el sector de las comunicaciones inalámbricas, dadas sus reducidas dimensiones y los bajos niveles de tasa de absorción específica (SAR), son las conocidas antenas planares de F invertida y las antenas de parche. Uno de los principales inconvenientes en este tipo de dispositivos es su reducido ancho de banda lo que imposibilita su uso en las nuevas generaciones de telefonía móvil. No obstante, al combinar ambas antenas en una única estructura, el ancho de banda mejora notablemente, al mismo tiempo que sus dimensiones se ven reducidas considerablemente con respecto a su tamaño original. La tecnología en la que se han implementado estos dispositivos es una variante de las líneas microstrip, conocida como coplanar waveguide (CPW). El substrato empleado ha sido uno de reducido coste como es el FR4. Sin embargo, el comportamiento de este material empeora conforme aumenta la frecuencia. Para analizar los posibles efectos adversos que este comportamiento desfavorable puede provocar en nuestro prototipo, y dado que en torno a los 5.6GHz se encuentra la frecuencia de trabajo del servicio WIFI UNII, se ha realizado un estudio tanto teórico como práctico del comportamiento de la antena propuesta. El análisis teórico se ha llevado a cabo mediante la simulación del dispositivo empleando materiales con diferentes tangentes de perdidas. La parte experimental se ha realizado mediante la construcción y medida del prototipo con un material de altas prestaciones como es Ro4320. Tanto en el estudio teórico como en el experimental, los resultados obtenidos demuestran que el comportamiento de la antena no se ve afectado significativamente, por el empleo de un substrato de bajas prestaciones. La antena propuesta está formada a partir de la hibridación de una antena parche y una antena PIFA, alimentada de modo único mediante una línea CPW. Con anterioridad al proceso de optimización, y debido a la cantidad de parámetros que conforman la antena bajo estudio, es necesario conocer cuáles son los que debemos modificar para conseguir nuestro objetivo. Para ello se ha realizado un estudio paramétrico. Este estudio nos ha permitido determinar que son seis las variables: longitud (Lg) y anchura (Wg) del plano de masa, longitud (B) y anchura (A) del lado estrecho que conforma el plano de radiación de la antena PIFA, radio de la antena parche (ri) y radio de la circunferencia de separación entre el parche y el plano de masa (ro), que será necesario ajustar para conseguir incrementar el margen de frecuencias de funcionamiento. Además del proceso de hibridación, que dio lugar a la conformación del prototipo propuesto en esta tesis, ante la ausencia de un modelo equivalente que permita ajustar la respuesta conjunta de la antena, el empleo de las técnicas de inteligencia computacional va a permitir el proceso de optimización necesario para el ajuste de la respuesta en frecuencia de la antena. La respuesta de la programación evolutiva tras la optimización, ha dado lugar a un dispositivo capaz de dar servicio de voz y datos, al cubrir el margen de frecuencia definido para GSM, DCS, UMTS y WLAN, además de otros servicios inalámbricos como son GPS y Bluetooth que, por otro lado, se han convertido en usuales en los terminales de última generación. Con el objeto de comparar el rendimiento, y dado que el simulador empleado dispone de un modulo propio de optimización, se ha realizado este proceso mediante el empleo de una técnica clásica como es el método Nelder Mead Simplex. El principal inconveniente de este algoritmo, es que a pesar de ser un método bastante robusto, resulta inestable cuando se emplean más de cuatro variables. Atendiendo a los resultados obtenidos, se puede observar una mejora en el ancho de banda de la zona inferior, a costa de empeorar ligeramente el margen superior. Puesto que existe una interdependencia de las respuestas en ambas bandas, las modificaciones de las variables afectan a la respuesta conjunta. El criterio de optimización definible en simulador electromagnético no permite independizar o ponderar ambas respuestas. La inclusión de otros métodos exteriores permitirá estos ajustes. El empleo de la programación evolutiva para el proceso de optimización ha implicado elaborar una plataforma de comunicación entre el simulador empleado (CST Microwave Studio) y el programa en el que se encuentra implementado el algoritmo evolutivo. El proceso de optimización puede ser llevado a cabo mediante otras técnicas de inteligencia computacional, a través de esta plataforma de conexión del simulador con otros programas externos. Finalmente, la antena desarrollada posee unas dimensiones de 57 x 24 x 6 mm y consigue un ancho de banda a 10dB de pérdidas de retorno del 49% en la banda inferior (1800MHz) y 11.25% en la banda superior (5200MHz), con unos valores de ganancia de 3 y 4.2 dBi respectivamente.