Sergio Salazar

Universidad Rey Juan Carlos
Madrid, España

Estudiante de Doctorado en Inteligencia Artificial

Biografía

Sergio Salazar se graduó en Matemáticas y Ciencias de la Computación por la Universidad Rey Juan Carlos en 2023, donde ahora trabaja como investigador predoctoral enfocándose en Problemas de Localización de Instalaciones Continuas. Es miembro del Grupo de Investigación en Algoritmos para la Optimización (GRAFO) en la Universidad Rey Juan Carlos, donde su investigación se especializa en técnicas de optimización para resolver problemas continuos en la familia de localización de instalaciones.

Completó su Máster en Investigación en Inteligencia Artificial en la Universidad Internacional Menéndez Pelayo en 2024, construyendo sobre su formación dual en matemáticas y ciencias de la computación para abordar desafíos complejos de optimización en problemas de localización de instalaciones.

Enfoque de Investigación

Problemas de Localización de Instalaciones Continuas: Su investigación principal se centra en desarrollar técnicas de optimización para problemas de localización de instalaciones continuas, aplicando modelado matemático y métodos computacionales para resolver desafíos complejos de optimización espacial.

Localización de Instalaciones Indeseables: Ha contribuido a la investigación en problemas de localización de instalaciones indeseables, que involucran elegir ubicaciones óptimas para instalaciones que no deberían estar cerca de comunidades poblacionales a pesar de proporcionar servicios necesarios (como aeropuertos, fábricas de papel o instalaciones nucleares).

Búsqueda de Vecindario Variable: Su trabajo incluye aplicaciones de metaheurísticas de Búsqueda de Vecindario Variable (VNS) para resolver problemas de optimización de localización de instalaciones planas, demostrando experiencia tanto en optimización continua como en algoritmos metaheurísticos.

Optimización Matemática: Su formación dual en matemáticas y ciencias de la computación le permite abordar problemas de localización de instalaciones desde perspectivas tanto teóricas como computacionales, desarrollando algoritmos robustos para escenarios complejos de optimización.

Educación

Máster en Investigación en Inteligencia Artificial - Universidad Internacional Menéndez Pelayo (2023-2024)
Matemáticas - Universidad Rey Juan Carlos (2018-2023)
Ciencias de la Computación - Universidad Rey Juan Carlos (2018-2023)

Publicaciones Clave

“Una Búsqueda Básica de Vecindario Variable para el Problema de Localización de Instalación Indeseable Plana” - Metaheuristics: 15th International Conference, MIC 2024, Lorient, Francia (coautor con Abraham Duarte y Jose Manuel Colmenar)

Aplicaciones de Investigación

Localización de Instalaciones Indeseables - Optimización de colocación de instalaciones para servicios necesarios pero indeseables
Optimización Continua - Enfoques matemáticos a problemas de optimización espacial
Algoritmos Metaheurísticos - Aplicación de VNS y otras metaheurísticas a localización de instalaciones
Optimización de Cadena de Suministro - Contribuidor a proyectos de investigación en problemas de optimización de cadena de suministro

Proyectos de Investigación

Proyecto SCOOP - Contribuidor a “Ciencias de la Computación para Problemas de Optimización de la Cadena de Suministro” en la Universidad Rey Juan Carlos

Especializaciones Académicas

Optimización Espacial - Modelado matemático de problemas de optimización basados en ubicación
Desarrollo Metaheurístico - Diseño e implementación de algoritmos de optimización
Matemáticas Continuas - Aplicación de métodos matemáticos continuos a problemas de optimización discreta
Geometría Computacional - Enfoques geométricos a problemas de localización de instalaciones

Desarrollo Profesional

Colaboración en Investigación - Miembro activo del grupo de investigación GRAFO
Participación en Conferencias - Presentador en conferencias internacionales de metaheurísticas
Enfoque Interdisciplinario - Combinando teoría matemática con práctica computacional

Áreas de Investigación Actuales

Modelos Avanzados de Localización de Instalaciones - Desarrollo de nuevos modelos matemáticos para escenarios complejos de localización de instalaciones
Métodos de Optimización Híbrida - Combinando enfoques de optimización continua y discreta
Mejora de Algoritmos - Mejorando el rendimiento metaheurístico para problemas de localización de instalaciones
Aplicaciones Prácticas - Implementación en el mundo real de soluciones de optimización de localización de instalaciones