Dr. Carlos A. Coello Coello

     
Carlos A. Coello Coello
Investigador CINVESTAV 3-F
Departamento de Computación
CINVESTAV-IPN
Av. IPN No. 2508 Col. San Pedro Zacatenco
Mexico, D.F. 07360. MEXICO
Nivel en el Sistema Nacional de Investigadores: 3
Pagina personal:  https://delta.cs.cinvestav.mx/~ccoello/

Teléfono:  +52 55 5747 3800 x 6564
 


Excelencia en Investigación

y Posgrado


Educación

· Doctorado en Ciencias de la Computación, Tulane University, USA, 1996.

· Maestría en Ciencias de  la Computación, Tulane University, USA, 1993.

· Licenciatura en Ingeniería Civil, UNACH, Mexico, 1991.


Intereses en Investigación

Desarrollo de metaheurísticas bio-inspiradas para optimización multi-objetivo, con un interés particular en esquemas alternativos de selección y la solución de problemas de alta dimensionalidad..

Palabras Clave:   Optimización evolutiva mono-objetivo y multi-objetivo, algoritmos evolutivos, metaheurísticas.

Biografía

Publicaciones Selectas

1. Maha Elarbi, Slim Bechikh, Carlos A. Coello Coello, Mohamed Makhlouf and Lamjed Ben Said, Approximating Complex Pareto Fronts with Predefined Normal-Boundary Intersection Directions, IEEE Transactions on Evolutionary Computation, Vol. 24, No. 5, pp. 809-823, October 2020.

2. Jesús Guillermo Falcón-Cardona and Carlos A. Coello Coello, Indicator-based Multi-Objective Evolutionary Algorithms: A Comprehensive Survey, ACM Computing Surveys, Vol. 53, No. 2, Article No. 29, April 2020.

3. Wenjun Wang, Shaoqiang Yang, Qiuzhen Lin, Qingfu Zhang, Ka-Chun Wong, Carlos A. Coello Coello and Jianyong Chen, An Effective Ensemble Framework for Multi-Objective Optimization, IEEE Transactions on Evolutionary Computation, Vol. 23, No. 4, pp. 645-659, August 2019. 

4. Forhad Zaman, Saber M. Elsayed, Ruhul Sarker, Daryl Essam and Carlos A. Coello Coello, Multi-method based algorithm for multi-objective problems under uncertainty, Information Sciences, Vol. 481, pp. 81-109, May 2019.

5. Saúl Zapotecas-Martínez, Carlos A. Coello Coello, Hernán E. Aguirre and Kiyoshi Tanaka, A Review of Features and Limitations of Existing Scalable Multi-Objective Test Suites, IEEE Transactions on Evolutionary Computation, Vol. 23, No. 1, pp. 130-142, February 2019.