Algoritmos heurísticos en bioinformática

  1. Pelta Mochcovsky, David Alejandro
Supervised by:
  1. José Luis Verdegay Galdeano Director
  2. Armando Blanco Morón Director

Defence university: Universidad de Granada

Fecha de defensa: 14 November 2002

Committee:
  1. Nicolás Pérez de la Blanca Capilla Chair
  2. Ignacio Requena Ramos Secretary
  3. José Andrés Moreno Pérez Committee member
  4. Hilario Ramiro Rodríguez Committee member
  5. Vicente Liern Carrión Committee member

Type: Thesis

Teseo: 93827 DIALNET

Abstract

Dada la importancia de los problemas que surgen en Bioinformática, la necesidad de resolverlos mediante técnicas heurísticas (debido a su complejidad computacional), y la adecuación de los conjuntos difusos para modelizar ideas subjetivas o conceptos vagos, en esta tesis se propone combinar un método simple de optimización con ideas básicas de la lógica difusa, para dar lugar a una herramienta robusta y flexible que resulte útil en el área de la Bioinformática, El método desarrollado se denomina Fuzzy Adaptive Neighborhodd Search (FANS) y es esencialmente una herramienta de optimización basada en búsqueda por entornos que incorpora como elementos novedosos, la utilización de una "valoración difusa" de las soluciones y la utilización de varios operadores en el proceso de búsqueda. En primer lugar se describen los componentes de FANS, sus características y se presenta el esquema del algoritmo. Posteriormente se muestra la utilidad de los dos elementos novedosos. Respecto a la valoración difusa, se muestra que su manipulación hace que FANS se comporte de forma similar (cualitativamente) a otros métodos de búsqueda por entornos lo que permite plantear que FANS es un (cualitativamente) a otros métodos de búsqueda por entornos lo que permite plantear que FANS es un "framework" de métodos simples de búsqueda local. En segundo lugar se realizan experimentos comparativos entre FANS, algoritmos genéticos y recocido simulado sobre instancias del problema de la mochila clásico y con múltiples restricciones, y sobre el problema de minimización de funciones reales. Los resultados sobre los 3 problemas de prueba indican que FANS es una herramienta capaz de obtener soluciones razonablemente buenas y con poco esfuerzo computacional; y que dada su simplicidad y buenos resultados, FANS resulta útil para establecer líneas de base para la comparación con otros algoritmos más sofisticados. En tercer lugar se muestr