Multi-objective evolutionary algorithms for a reliability location problem, European Journal of Operational Research (2019)

Javier Alcaraz (University Miguel Hernández of Elche), Mercedes Landete (University Miguel Hernández of Elche), Juan F. Monge (University Miguel Hernández of Elche) and José L. Sainz-Pardo (University Miguel Hernández of Elche).

Abstract. Some location problems with unreliable facilities present two different objectives, one consisting of minimizing the opening and transportation costs if none of the facilities fail and another consisting of minimizing the expected transportation costs. Usually, these different targets are combined in a single objective function and the decision maker can obtain some different solutions weighting both objectives. However, if the decision maker prefers to obtain a diverse set of non-dominated optimal solutions, then such procedure would not be effective. We have designed and implemented two multi-objective evolutionary algorithms for the realibility fixed-charge location problem by exploiting the peculiarities of this problem in order to obtain sets of solutions that are properly distributed along the Pareto-optimal frontier. The computational results demonstrate the outstanding efficiency of the proposed algorithms, although they present clear differences.

Keywords.  Location; Multi-objective location problems; Reliability models; Pareto frontier; Multi-objective evolutionary algorithms; Metaheuristics.

Seminario El-ghazali Talbi: How machine learning can help optimization

Seminario El-ghazali Talbi: How machine learning can help optimization

IMG_2965El-ghazali Talbi en el CIO el pasado 29 de noviembre. | Foto: Inma López

El pasado viernes 29 de noviembre, estudiantes y profesores de la Universidad Miguel Hernández de Elche pudieron disfrutar del seminario «How machine learning can help optimization» impartido por el profesor e investigador de  Polytech’Lille – University of Lille, El-ghazali Talbi.

¿Cuál es el principal objetivo de esta contribución, artículo, ponencia?

La idea de esta conferencia es investigar cómo podemos usar diferentes técnicas de aprendizaje automático para mejorar el diseño de algoritmos de optimización. Me centro en algoritmos de optimización basados ​​en metaheurística. Y luego, en esta charla, he resumido las diferentes ideas en el diseño de diferentes optimizaciones basadas en datos metaheurísticos utilizando técnicas de aprendizaje automático para tener algoritmos de optimización eficientes.

What is the main objective of this conference?

The idea of this conference is to investigate how we can use different machine learning technics to improve the design of optimization algorithms. I focus on metaheuristics based optimization algorithms. And then, in this talk I have summarised the different ideas in designing different metaheuristics data driven optimization using machine learning technics to have for efficient optimization algorithms.

¿Podría, por favor, resumir en un minuto los principales resultados y conclusiones del proyecto?

El resultado principal de esta presentación, que dará un artículo que estoy finalizando, es hacer una encuesta o clasificación de las diferentes formas en que podemos usar el aprendizaje automático en la optimización. Por lo tanto, el resultado más importante en esta presentación es tener, no solo una encuesta de los diferentes trabajos relacionados, sino unificar la forma de utilizar el aprendizaje automático en la optimización. Forma unificada en qué componente de optimización podemos agregar algunas técnicas de aprendizaje automático. Así que este es el resultado principal de esta presentación.

Could you briefly summarise the results and conclusions of this investigation?

The main output of this presentation, that will give a paper that I am finalising, is to give survey or classification of the different ways we can use machine learning in optimization. So the most important output in this presentation is to have, not only survey of the different related work, but unify the way of how using machine learning into optimization. Unified way in which component of optimization we can add some machine learning technics. So this is the main output of this presentation.

¡No te pierdas el seminario que  El-ghazali Talbi impartió en el CIO!

 

 

Seminario Martine Labbé

12 diciembre, 2019
11:00 am
11:00 am

Título: Bilevel optimisation and pricing problems

Ponente: Martine Labbé (Université Libre de Bruxelles)

Organizador:   Mercedes Landete

Fecha: Jueves 12 de diciembre a las 11:00 horas.

Lugar:  Aulas 0.1 y 0.2 del Edificio Torretamarit, Universidad Miguel Hernández (Campus de Elche)

Resumen: A bilevel optimization problem consists in an optimization problem in which some of the constraints specify that a subset of variables must be an optimal solution to another optimization problem. This paradigm is particularly appropriate to model competition between agents, a leader and a follower, acting sequentially.
In this talk I will first focus the simplest bilevel problems, those that are linear. In particular I will discuss some recent results showing that these problems are already extremely challenging.
In a second part, I will talk about a family of bilevel problems called network pricing problems, in which tolls must be determined on a specified subset of arcs of a multicommodity transportation network. The leader or first level corresponds to the profit maximizing owner of the subset of arcs and the follower to users traveling at minimum cost between nodes of the network.

Genetic Contribution in Low Back Pain: A Prospective Genetic Association Study, World Institute of Pain 19 (2019), 836–847

César Margarit (Department of Health of Alicante, Alicante General Hospital), Reyes Roca (Alicante Institute for Health and Biomedical Research),  María-del-Mar Inda (Alicante Institute for Health and Biomedical Research),  Javier Muriel  (Alicante Institute for Health and Biomedical Research),  Pura Ballester (Alicante Institute for Health and Biomedical Research),  Rocío Moreu  (Department of Health of Alicante,
Alicante General Hospital),  Anna Lucia Conde  (Occupational Observatory,Miguel Hernández University of Elche), Domingo Morales (Operational Centre, Miguel Hernández University, Elche) and  Ana M. Peiró (Alicante General Hospital).

Abstract. Objectives: Chronic pain is one of the most common reasons individuals seek medical attention. It is a major issue because of the wide interindividual variability in the analgesic response. This might be partly explained by the presence of variants in genes encoding molecules involved in pharmacodynamics and pharmacokinetics. The aim was to analyze opioid effectiveness in chronic low back pain (CLBP) relief
after opioid titration, unveiling the impact of pharmacogenetics.
Methods: The study included 231 opioid-na€ıve patients from the Spine Unit; age 63  14 years, 64% female, body mass index 29   6 kg/m2, visual analog scale pain intensity score 73  16 mm. Clinical data were collected at baseline, 3 months after opioid titration, and after 2 to 4 years of follow-up concerning pain (intensity and relief), quality of life, disability, comorbidities, and drug prescription (opioid dose, rotations, and adverse events). The genotype influence of OPRM1, COMT, UGT2B7, ABCB1, KCNJ6, and CYP3A5*3A in analgesic response was analyzed by reverse-transcription polymerase chain reaction genotyping.
Results: Patients with the COMT G472A-AA genotype (rs4680) and KCNJ6 A1032G-A allele (rs2070995) CLBP responded differently to opioid titration, with higher pain intensity requiring higher dosing. Furthermore, GG- genotypes of A118G (OPRM1, rs1799971) and A854G (UGT2B7, rs776746) influenced the neuropathic component. After opioid titration, CLBP intensity, neuropathic component, low back pain disability, anxiety, and depression significantly decreased, while quality of life improved.
Conclusion: Single-nucleotide polymorphisms in genes involved in pain transmission and opioid metabolism might predispose to exaggerated sensitivity and differences in the opioid analgesic effect in patients with CLBP. We encourage clinical trials for their clinical application in chronic pain management.

Keywords.  Opioids,; Pharmacogenetics; Chronic low back pain; COMT; KCNJ6; OPRM1; UGT2B7.

Seminario José Manuel Cordero:  Los valores plausibles y su tratamiento en los análisis de eficiencia con datos educativos internacionales.

Seminario José Manuel Cordero: Los valores plausibles y su tratamiento en los análisis de eficiencia con datos educativos internacionales.

IMG_2962José Manuel Cordero en el CIO el pasado 15 de noviembre. | Foto: Inma López

El Instituto Universitario de Investigación «Centro de Investigación Operativa (CIO) de la Universidad Miguel Hernández de Elche, acogió el pasado 15 de noviembre esta conferencia del investigador José Manuel Cordero, profesor de la Universidad de Extremadura.

Título de la ponencia: Los valores plausibles y su tratamiento en los análisis de eficiencia con datos educativos internacionales.

 

¿Cuál es el principal objetivo de esta ponencia?

El objetivo fundamental de la ponencia es dar información a los usuarios de bases de datos educativas internacionales sobre el cómo deben tratar los valores plausibles, que son unos valores que aparecen en esas bases datos cuando hacemos análisis de eficiencia. Es decir, hay diferentes maneras de tratarlo, tomando un valor o la media, y queremos saber si utilizando un criterio u otro vamos a alcanzar resultados similares o no.

¿Podría resumirnos los resultados de esta investigación?

En la investigación hemos comparado los resultados que obtenemos aplicando una de las técnicas, que es una de las más habituales en el mundo de la eficiencia como es DEA, tomando los valores medios de los valores plausibles o los valores plausibles por separado, y lo hemos comparado con una estimación alternativa utilizando modelos DEA fuzzy donde podemos tener en cuenta que, esos valores plausibles en realidad representan un rango de habilidades y, por tanto, no pueden ser representadas a través de un solo valor sino a través de un intervalo. Y lo que nos dicen los resultados es que se parecen bastante los resultados tomando valores medios o valores individuales de cada valor plausibles con el rango de resultados. Por tanto, en principio, optar por la opción sencilla de utilizar valores medios o de un solo valor, en principio está bien, pero hay que tener cuidado porque podría ser que la estimación obtenida del índice de eficiencia esté un poco sobreestimada. Es decir, que en algún caso estemos identificando unidades eficientes cuando en realidad no lo son porque, considerando las distribuciones, algunas estimaciones nos quedan con valores superiores a los índices de eficiencia con valores medios. Entonces, en principio puedo utilizar esos índices, pero con cuidado a la hora de identificar las unidades eficientes.

¡No te pierdas el seminario que José Manuel Cordero impartió en el CIO!