En esta área se estudian las bases de la teoría de la computación y los modelos basados en razonamiento usados para el desarrollo de sistemas inteligentes artificiales. Areas específicas: Teoría topológica de las gráficas y diseños combinatorios, teoría de la computación, e inteligencia artificial aplicada al trabajo cooperativo. El área de Computación Evolutiva, la cual se refiere al uso de sistemas bio-inspirados para la solución de problemas computacionales difíciles se considera también parte de esta línea, si bién su orientación ha sido más hacia optimización que hacia la inteligencia artificial
- Teoría de la computación
Las áreas específicas son la lógica matemática (teoría de modelos, aritmética de Peano, teoría de la demostración, demostración automática de teoremas) y los fundamentos matemáticos de la computación (funciones recursivas, autómatas y lenguajes formales, complejidad y algoritmos). La teoría de la complejidad analiza las capacidades de cómputo de los diversos modelos formales de computación. Para todo paradigma de cómputo efectivo, necesariamente existen problemas irresolubles planteados en el lenguaje de ese paradigma, por lo cual ha de ser incompleto. Una vez que se extiende el paradigma con oráculos que resuelvan una cantidad finita de problemas irresolubles, el paradigma resultante será a su vez incompleto en el sentido anterior. De aquí resultan los diversos grados de irresolubilidad y la estructura de la clase formada por todos ellos es de intensa investigación matemática. Y aún entre lo resoluble, se puede catalogar a los problemas resolubles de acuerdo con una jerarquía considerando sus funciones de complejidad en tiempo y en espacio, y más aún de acuerdo con que su tratamiento sea determinista, no-determinista, probabilistico de aproximación. Desde el punto de vista lógico, la noción de computabilidad corresponde a la de demostrabilidad. Así como se clasifica a los problemas de acuerdo con las complejidades de sus resolvedores, las teorías matemáticas pueden ser clasificadas por las complejidades de sus procesos de demostración. La aritmética de Peano ha constituído un ambiente sumamente propicio para investigaciones de este tipo. Dr. Guillermo Morales Luna.
- Computación evolutiva y optimización numérica
Optimización numérica con funciones multiobjetivo utilizando algoritmos genéticos. Manejo de restricciones en algoritmos evolutivos y la optimización evolutiva multiobjetivo. Hardware evolutivo, con un enfoque particular al diseño extrínsico (es decir, simulado fuera de línea) de circuitos lógicos combinatorios. Otros temas de interés son heurísticas inspiradas biológicamente, tales como la colonia de hormigas; la optimización mediante cúmulo de partículas; los algoritmos meméticos, los algoritmos culturales y la búsqueda dispersa, entre otros. Dr. Carlos A. Coello Coello .
- Inferencia mediante redes neuronales y de Petri
Inteligencia Artificial (IA): Una de las áreas de IA es el desarrollo de notación precisa y suficiente para la representación de conocimiento. Y, dada la dinámica del conocimiento, el aprendizaje es una parte importante de un sistema de conocimiento completo. El interés es en la representación del conocimiento, inferencia y aprendizaje. El método adoptado es la combinación de redes de Petri y neuronales. El objetivo es integrar la habilidad de aprendizaje de las redes neuronales dentro de las de Petri, y usarla para representar conocimiento, inferir y aprender. Dra. Xiaoou Li.
