Identificación Robusta de un Proceso Biomédico Mediante Algoritmos Evolutivos

Abstract

[EN] In this paper, a non-linear robust identification (RI) methodology to characterize the feasible parameter set (FPS), when the identification error is unknown but bounded simultaneously by several norms, is presented. For that, the Robust Identification (RI) problem is transformed into a multimodal optimization one with an infinite number of global minima which constitute the FPS. For the optimization task a special Genetic Algorithm (e-GA), inspired by Multiobjective Evolutionary Algorithms (MOEA), is presented, which characterizes the FPS by means of a discrete set of models (FPS*) well distributed along the FPS. An application example to a biomedical model which shows the blockage that produces a given drug on the ionic currents of a cardiac cell is presented to illustrate the methodology.

[ES] En este trabajo se presenta una metodología de identificación robusta (IR) en sistemas no lineales que permite caracterizar el conjunto de parámetros factible (FPS) cuando se asume que el error de identificación (EI) permanece acotado por varias normas simultáneamente. Para ello, se transforma el problema de IR en un problema de optimización multimodal donde los infinitos mínimos globales constituyen el FPS. Para abordar la optimización se presenta un algoritmo evolutivo (EA) específico denominado ε-GA, inspirado en los algoritmos evolutivos multiobjetivo, el cual caracteriza el FPS mediante un conjunto discreto de modelos FPS* adecuadamente distribuido a lo largo del FPS. Como ejemplo de aplicación del procedimiento, se presenta la IR de un modelo biomédico que refleja el bloqueo que produce un determinado fármaco sobre las corrientes iónicas de una célula cardíaca.