Algoritmos evolutivos paralelos para optimización multiobjetivo y multimodalaplicación al diagnóstico de la fibrilación auricular paroxística

Abstract

Esta tesis trata de la aplicación de algoritmos evolutivos paralelos a problemas de optimización multiobjetivo y multimodal, y el estudio del rendimiento de estos algortimos en un cluster de computadores. Se ha diseñado un nuevo algoritmo evolutivo multiobjetivo denominado SFGA (Single Front Genetic Algorithm) con selección de Pareto elitista. Se ha realizado una paralelización de dicho algoritmo según un modelo de subpoblaciones, mediante el cual se ha podidoo explorar el rendimiento de una hibridación de clasificación Pareto-local y Pareto-global. Por último se ha diseñado un nuevo algoritmo evolutivo paralelo para optimización multimodal, utilizando también un modelo de subpoblaciones. Los algoritmos diseñados se han aplicado a la optimización y ajuste automático de dos esquemas de clasificación, basados en un algoritmo KNN (K-nearest-neighbourn) y en reglas de decisión respectivamente, utilizados en el diagnóstico de la Fibrilación Auricular Paroxística.