- -

Simulación basada en SMA de sistemas originalmente representados con EDO

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Simulación basada en SMA de sistemas originalmente representados con EDO

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Zulueta Guerrero, Ekaitz es_ES
dc.contributor.author González González, Asier es_ES
dc.contributor.author López Guede, José Manuel es_ES
dc.contributor.author Calvo Gordillo, Isidro es_ES
dc.date.accessioned 2020-05-27T14:58:24Z
dc.date.available 2020-05-27T14:58:24Z
dc.date.issued 2011-10-05
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/144435
dc.description.abstract [EN] In the present work a methodology is exposed to model using a Multi-Agent System (MAS) biological and physiological dynamic systems with discrete quantified variables, such as growth and decrease of populations or epidemiological modelling of disease. It is shown a procedure to transform a Ordinary Differential Equations system (ODE) (that models the environment correctly on an equivalent MAS using a schema based on Monte Carlo method. A practical case based on a mathematical moldel of Chronic Myeloid Leukaemia (CML) is used to compare the methodology based on agent with the traditional model based on an ODE system. A simulation for each model (MAS and ODE) is executed and the results obtained with both methodologies are compared. es_ES
dc.description.abstract [ES] En el presente trabajo se expone una metodología para modelar mediante un Sistema Multi-Agente (SMA) sistemas biológicos y fisiológicos dinámicos con variables cuantificadas discretas, como el crecimiento y decrecimiento de poblaciones o el modelado epidemiológico de enfermedades. Se muestra un procedimiento para transformar un sistema de Ecuaciones Diferenciales Ordinarias (EDO) (que modela un entorno de forma correcta) en un SMA equivalente mediante un esquema basado en el método de Monte Carlo. Se utiliza un caso práctico fundamentado en un modelo matemático de Leucemia Mieloide Crónica (LMC) para comparar la metodología basada en agentes con el modelado tradicional basado en un sistema de EDO. Se realiza una simulación con cada modelo (SMA y EDO) y se compara los resultados obtenidos con ambas metodologías. es_ES
dc.language Español es_ES
dc.publisher Elsevier es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Differential equation es_ES
dc.subject Agent-based model es_ES
dc.subject Monte Carlo es_ES
dc.subject Ecuaciones diferenciales es_ES
dc.subject Modelo basado en agentes es_ES
dc.title Simulación basada en SMA de sistemas originalmente representados con EDO es_ES
dc.title.alternative SMA-based simulation of systems originally represented with EDO es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1016/j.riai.2011.09.011
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Zulueta Guerrero, E.; González González, A.; López Guede, JM.; Calvo Gordillo, I. (2011). Simulación basada en SMA de sistemas originalmente representados con EDO. Revista Iberoamericana de Automática e Informática industrial. 8(4):323-333. https://doi.org/10.1016/j.riai.2011.09.011 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.1016/j.riai.2011.09.011 es_ES
dc.description.upvformatpinicio 323 es_ES
dc.description.upvformatpfin 333 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 8 es_ES
dc.description.issue 4 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\9702 es_ES
dc.description.references Banerjee, S., & Moses, M. E. (2009). A Hybrid Agent Based and Differential Equation Model of Body Size Effects on Pathogen Replication and Immune System Response. Artificial Immune Systems, 14-18. doi:10.1007/978-3-642-03246-2_5 es_ES
dc.description.references Basse, B., & Ubezio, P. (2007). A Generalised Age- and Phase-Structured Model of Human Tumour Cell Populations Both Unperturbed and Exposed to a Range of Cancer Therapies. Bulletin of Mathematical Biology, 69(5), 1673-1690. doi:10.1007/s11538-006-9185-6 es_ES
dc.description.references Bunimovich-Mendrazitsky, S., Byrne, H., & Stone, L. (2008). Mathematical Model of Pulsed Immunotherapy for Superficial Bladder Cancer. Bulletin of Mathematical Biology, 70(7), 2055-2076. doi:10.1007/s11538-008-9344-z es_ES
dc.description.references Fianyo, E., Treuil, J.-P., Perrier, E., & Demazeau, Y. (1998). Multi-agent Architecture Integrating Heterogeneous Models of Dynamical Processes: The Representation of Time. Lecture Notes in Computer Science, 226-236. doi:10.1007/10692956_16 es_ES
dc.description.references Guo, Z., Sloot, P. M. A., & Tay, J. C. (2008). A hybrid agent-based approach for modeling microbiological systems. Journal of Theoretical Biology, 255(2), 163-175. doi:10.1016/j.jtbi.2008.08.008 es_ES
dc.description.references Lewis, J. T., & Pulè, J. V. (s. f.). Dynamical theories of Brownian motion. Lecture Notes in Physics, 294-296. doi:10.1007/bfb0013344 es_ES
dc.description.references Moore, H., & Li, N. K. (2004). A mathematical model for chronic myelogenous leukemia (CML) and T cell interaction. Journal of Theoretical Biology, 227(4), 513-523. doi:10.1016/j.jtbi.2003.11.024 es_ES
dc.description.references Murray J. D., 2002a. Models for Interacting Populations. Mathematical biology. Springer New York, 17, pp. 79-118. es_ES
dc.description.references Murray J. D., 2002b. Dynamics of Infectious Diseases: Epidemic Models and AIDS. Mathematical biology, Springer New York, 17, pp. 315-394. es_ES
dc.description.references NAGY, J. (2004). Competition and natural selection in a mathematical model of cancer. Bulletin of Mathematical Biology, 66(4), 663-687. doi:10.1016/j.bulm.2003.10.001 es_ES
dc.description.references Redou, P., Kerdelo, S., Le Gal, C., Querrec, G., Rodin, V., Abgrall, J.-F., & Tisseau, J. (2005). Reaction-Agents: First Mathematical Validation of a Multi-agent System for Dynamical Biochemical Kinetics. Lecture Notes in Computer Science, 156-166. doi:10.1007/11595014_16 es_ES
dc.description.references Spencer, S. L., Berryman, M. J., García, J. A., & Abbott, D. (2004). An ordinary differential equation model for the multistep transformation to cancer. Journal of Theoretical Biology, 231(4), 515-524. doi:10.1016/j.jtbi.2004.07.006 es_ES
dc.description.references Szymańska, Z., Urbański, J., & Marciniak-Czochra, A. (2008). Mathematical modelling of the influence of heat shock proteins on cancer invasion of tissue. Journal of Mathematical Biology, 58(4-5), 819-844. doi:10.1007/s00285-008-0220-0 es_ES
dc.description.references Weyns, D., Van Dyke Parunak, H., Michel, F., Holvoet, T., & Ferber, J. (2005). Environments for Multiagent Systems State-of-the-Art and Research Challenges. Lecture Notes in Computer Science, 1-47. doi:10.1007/978-3-540-32259-7_1 es_ES
dc.description.references Wu, D., Zhou, J., & Li, Y. (2006). Unbiased estimation of Weibull parameters with the linear regression method. Journal of the European Ceramic Society, 26(7), 1099-1105. doi:10.1016/j.jeurceramsoc.2005.01.044 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem