Alejandro Rosales-Pérez recibió la licenciatura en Ingeniería Electrónica del Instituto Tecnológico de Tuxtla Gutiérrez, Chiapas, México, en 2008, y el M.Sc. y doctorado Licenciatura en Ciencias de la Computación del Instituto Nacional de Astrofísica, Óptica y Electrónica , Puebla, México, en 2011 y 2016, respectivamente. Desde 2020, el Dr. Rosales-Pérez trabaja en el Centro de Investigación en Matemáticas, AC (CIMAT) , donde actualmente es investigador asociado C. Pertenece al Sistema Nacional de Investigadores de México con Nivel I, 2017-2019, avalado por el Consejo Nacional de Ciencia y Tecnología de México.

El Dr. Rosales-Pérez recibió el Premio de la Asociación Nacional de Instituciones de Educación en Tecnologías de la Información en 2016 por su Tesis Doctoral. Su tesis fue primer finalista en el Concurso Nacional de Inteligencia Artificial, otorgado por la Sociedad Mexicana de Inteligencia Artificial en 2016. Desde 2017, el Dr. Rosales-Pérez es miembro de la Academia Mexicana de Computación. Ha sido reconocido por el Sistema Nacional de Investigadores de México con Nivel I, 2017-2019, avalado por el Consejo Nacional de Ciencia y Tecnología de México.

Sus intereses de investigación incluyen las áreas de Aprendizaje Automático (ML) y Computación Evolutiva (EC). Por un lado, las tareas de ML, como la selección de características, la clasificación, el aprendizaje de conjuntos, entre otras, pueden modelarse como un problema de optimización, a menudo con dos o más objetivos en conflicto. Además, muchos de estos problemas pueden tener muchos óptimos locales. Ergo, las capacidades de búsqueda global de las técnicas EC pueden explotarse para explorar el espacio de búsqueda de manera más eficaz y eficiente. Por otro lado, las técnicas de EC pueden generar una gran cantidad de información sobre el espacio de búsqueda, las características del problema, la función objetivo y otros procesos durante la búsqueda. Por lo tanto, las técnicas de ML pueden potenciar las capacidades de búsqueda de EC.