Diseño de un método selectivo inspirado en enfriamiento simulado aplicado a un proyecto bioquímico

Abstract

Este trabajo describe un método inspirado en la estrategia de enfriamiento simulado para el caso de estimación de parámetros cinéticos de una reacción metabólica simple. El método se combina con un algoritmo genético que ya ofrece una combinación de parámetros válida, pero que debido a la naturaleza del modelo no consigue decantarse por una única solución, siendo ligeramente diferentes las soluciones en cada ejecución, aún obteniendo el mismo valor de la función de fitness. Con la propuesta formulada en este trabajo, se ha definido un criterio para analizar los resultados proporcionados por el algoritmo genético. Dicho criterio se basa en la minimización de una función de energía, que es propia del método de optimización global conocido como Enfriamiento Simulado. Esta función permite observar cómo evoluciona el modelo biológico hacia la estabilidad en función de los valores de mínima energía y según las diferentes combinaciones de parámetros proporcionadas por el algoritmo genético. Losresultados obtenidos muestran la eficacia del método propuesto. [ABSTRACT] This project document describes a method inspired in the strategy of simulated annealing for the estimation of kinetic parameters in a simple metabolic reaction. This method is combined with a genetic algorithm, which already obtains sets of correct parameters, but it is not yet able to choose the best one between them, due to the models nature. The set of parameters is slightly different between several runs of the genetic algorithm although the value of their fitness function results to be the same. This is why it is necessary an additional method which complements the genetic algorithm achieving a unique optimum.With the proposal here formulated, a criteria has been defined to analyse the results given by the genetic algorithm. Such criteria is based in the minimization of an energy function which is the main characteristic of the global optimization method called simulated annealing. This function makes possible to observe how the biological model evolves towards stability according to the values of minimum energy and the different sets of parameters resulting from the genetic algorithm. The results presented in this document show the effectiveness of the method proposed.