Resolución de problemas de optimización combinatoria utilizando técnicas de computación evolutiva: una aplicación a la biomedicina

• Autores: Vanessa Aguiar-Pulido
• Directores de la Tesis: Julián Dorado (dir. tes.)
• Lectura: En la Universidade da Coruña ( España ) en 2014
• Idioma: español
• Número de páginas: 169
• Tribunal Calificador de la Tesis: José Luis Oliveira (presid.) , Juan R. Rabuñal (secret.) , Victoria López Alonso (voc.) , Jorge Amigo Lechuga (voc.) , Alfonso Rodríguez-Patón Aradas (voc.)
• Enlaces
  • Tesis en acceso abierto en: RUC
• Resumen

  • Cada día se genera una mayor cantidad de datos, tanto con respecto a su volumen como por el número de variables que involucran, lo cual representa un problema para las técnicas tradicionales. En muchos problemas el conjunto de soluciones posibles es tan elevado que la localización de una solución óptima es imposible en un tiempo razonable, por lo que es necesario emplear técnicas basadas en heurísticas. Se ha observado que las técnicas de computación evolutiva (CE) proporcionan resultados satisfactorios en situaciones en que técnicas tradicionales no los obtuvieron, en especial en su aplicación a datos biomédicos y relacionados con el diagnóstico de enfermedades. Así, en este trabajo se ha desarrollado un modelo basado en CE capaz de, a partir de unos datos de entrada etiquetados como sujetos sanos o enfermos, extraer expresiones con las que construir un modelo de clasificación. Este modelo ha sido validado tanto contra datos sintéticos como aplicado a un conjunto de datos clínicos reales, además de comparar sus resultados con métodos similares. Es de destacar que el modelo propuesto obtiene expresiones sencillas y que logra clasificar ambos tipos de conjuntos mejor que el resto de técnicas, resultando de gran utilidad como apoyo al diagnóstico clínico.