BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.17.3.1//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20250101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260831T123000
DTEND;TZID=America/Sao_Paulo:20260831T133000
DTSTAMP:20260831T144849Z
CREATED:20260831T144326Z
LAST-MODIFIED:20260831T144849Z
UID:10900-1788179400-1788183000@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Franco Castagna
DESCRIPTION:Título: Evaluación empírica de algoritmos evolutivos para la generación de System Level Tests en Evomaster\n\nDirector: Juan P. Galeotti\nJurados: Paula Zabala\, Sebastian UchitelResumen \n\nLas APIs RESTful son un componente central de las aplicaciones modernas basadas en microservicios. El testing guiado por búsqueda ha demostrado ser eficaz para generar automáticamente suites de tests para estas APIs\, y una amplia variedad de algoritmos evolutivos han sido extensamente estudiados en otros dominios\, incluyendo testing unitario y de aplicaciones móviles. Sin embargo\, existe poca evidencia empírica sobre cómo se comportan estos algoritmos en el contexto del testing de caja blanca a nivel de sistema sobre APIs REST. En este trabajo se presenta una comparación empírica comprensiva dentro de EvoMaster\, una herramienta open-source de generación automática de tests para APIs REST\, GraphQL y RPC. Se incorporan e integran once nuevas variantes de algoritmos evolutivos en el núcleo de EvoMaster bajo una arquitectura uniforme\, diez de las cuales son evaluadas experimentalmente; la restante\, DynaMOSA\, requiere una adaptación de la infraestructura de experimentación que se plantea como trabajo futuro. Además\, se diseña e implementa el parámetro GASolutionSource\, una abstracción que permite alternar entre la construcción de la suite final\, desde el archive elitista o desde la población final del algoritmo\, habilitando futuras comparaciones empíricas sistemáticas entre ambos modos. Las variantes se evalúan sobre un benchmark de 36 APIs REST del Web Fuzzing Dataset\, comparándolas contra los algoritmos preexistentes de EvoMaster (MIO\, MOSA\, WTS y RANDOM) con un presupuesto de 10 minutos por ejecución y cinco repeticiones independientes por par algoritmo-API. La evaluación se basa en tres métricas: cobertura de líneas\, cobertura de endpoints con respuestas exitosas (HTTP 2xx) y cantidad de fallos detectados (HTTP 5xx). Los resultados muestran que los algoritmos específicos para testing superan a los genéticos de propósito general\, con MIO obteniendo el mejor rendimiento global. Entre los algoritmos incorporados\, CRO y StandardGA obtienen los mejores resultados\, ubicándose entre los algoritmos de mejor rendimiento junto con MIO y WTS. El rendimiento de StandardGA es particularmente llamativo dado que es el GA más simple de los evaluados\, lo que sugiere que\, cuando se utiliza un archivo elitista para construir la suite final\, la complejidad adicional de los mecanismos de reemplazo poblacional no se traduce en ventajas observables. RANDOM\, pese a no guiarse por cobertura\, lidera en magnitud absoluta de fallos detectados y se mantiene difícil de superar con presupuesto de 10 minutos\, lo que indica que el muestreo aleatorio sigue siendo un baseline competitivo bajo presupuestos ajustados.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-franco-castagna/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20260831T160000
DTEND;TZID=America/Sao_Paulo:20260831T170000
DTSTAMP:20260831T152323Z
CREATED:20260831T152323Z
LAST-MODIFIED:20260831T152323Z
UID:10905-1788192000-1788195600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Antonio Paco Santos
DESCRIPTION:Título: Estrategias algorítmicas de fijación de precios en mercados electrónicos simulados: aprendizaje automático\, dinámica competitiva y equilibrio. \nDirector: Rodrigo Castro (DC-ICC/FCEN-UBA-CONICET) Co-Directores: Juan Pablo Pinasco (DM-IMAS/FCEN-UBA-CONICET) y Martín Harracá (EEyN-UNSAM) \nJurado: Esteban Feuerstein (DC-ICC/FCEN-UBA) y Pablo Amster (DM-IMAS/FCEN-UBA-CONICET) \nResumen:  \nEl comercio electrónico y en particular los mercados digitales (marketplaces)  ocupan un lugar central en la economía global. Dentro de este ecosistema\, el proceso de fijar precios mediante algoritmos (pricing) se encuentra cada vez más extendido\, pudiendo éste generar efectos emergentes a gran escala. Calvano et al. mostraron que algoritmos de Reinforcement Learning pueden aprender a sostener precios supracompetitivos en oligopolios simulados. El presente trabajo retoma ese resultado relajando tres supuestos clave del modelo original: se utilizan espacios de acción continuos en lugar de discretos\, agentes pre-entrenados en lugar de agentes que aprenden online\, y un mercado heterogéneo en el que conviven distintas estrategias. \nSe definen cuatro tipos de agentes vendedores. Los agentes Brutus siguen una estrategia mecánica y sin entrenamiento previo\, actuando como baseline. Los agentes Imitator y Experiens utilizan algoritmos de aprendizaje automático (inspirados en Imitation Learning y Reinforcement Learning\, respectivamente) para maximizar su ganancia individual. Finalmente\, el agente Imitator Informatus extiende al Imitator original incorporando mayor información y una arquitectura de red neuronal más compleja.\nLos resultados muestran que los agentes Brutus\, a pesar de su simplicidad\, presentan un comportamiento adaptativo que resulta difícil de superar para los agentes entrenados. Se observa que el principal determinante de las ganancias no es la estrategia concreta utilizada\, sino el precio promedio fijado. Ninguno de los agentes entrenados logra una dominancia absoluta sobre los Brutus.\nFinalmente\, modelando el sistema como un juego evolutivo\, se encuentran equilibrios de Nash mixtos para los tres modelos entrenados\, todos con mayor proporción de agentes entrenados que Brutus\, y cualitativamente distintos entre sí. Identificar estos equilibrios permite comparar los precios promedio que emergen en el sistema heterogéneo en estado estacionario contra los del baseline\, en analogía a la comparación entre precios colusivos y competitivos realizada por Calvano et al. Los resultados sugieren que la colusión algorítmica supracompetitiva\, cuando aparece\, no es un fenómeno generalizado y robusto como el reportado por Calvano et al.\, sino que podría estar asociada a configuraciones específicas del sistema donde los algoritmos se adaptan online a los eventos que perciben.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-antonio-paco-santos/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR