TY - JOUR 
A1 - Egea Larrosa, José Alberto
T1 - New Heuristics for global optimization of complex bioprocesses
Y1 - 2008
UR - http://hdl.handle.net/10317/1264
AB - [SPA] Los problemas de optimización que surgen en el campo de los procesos biotecnológicos y alimentarios suelen tener una naturaleza no convexa, existiendo con frecuencia numerosos
óptimos locales. Aunque los avances en optimización global han sido notables en los últimos años, el estado actual no es del todo satisfactorio, sobre todo cuando se considera la optimización global de modelos de procesos complejos (típicos de las industrias biotecnológicas y
alimentarias). Estos modelos son complejos debido a su comportamiento dinámico y al ele-
vado núumero de estados. Además, uno de los problemas más importantes para la optimización de estos modelos complejos es el tiempo de computación necesario para llevar a cabo cada simulación. Debido al elevado número de ecuaciones diferenciales y algebraicas existentes en los modelos que describen procesos complejos o plantas completas, el tiempo necesario para
realizar una única simulación puede ser del orden de varios minutos o incluso horas en un
ordenador convencional. Esto puede conducir a tiempos de computación inabordables desde
el punto de vista práctico cuando se lleva a cabo la optimización de dichos procesos. Las razones anteriores aconsejan, en muchas ocasiones, tratar los modelos complejos como
cajas negras, es decir, como una relación simple entre entradas y salidas sin que se tenga información sobre la relación entre las variables. Para este tipo de problemas, los métodos de optimización global (y las metaheurísticas en particular) han demostrado su eficiencia y robustez. En efecto, aunque estos métodos no aseguran la convergencia al óptimo global, en la práctica proporcionan buenas soluciones (el óptimo global en muchos casos) en tiempos de
computación razonables. Además, estos métodos permiten tratar los modelos matemáticos como cajas negras y son de fácil implementación, lo que les proporciona robustez y los hace útiles para cualquier tipo de problema. El uso de los llamados metamodelos permite construir modelos sustitutos que interpolan o aproximan los modelos originales y predicen sus valores con cierta probabilidad, siendo mucho menos difíciles de evaluar desde el punto de vista computacional. Aprovechando sus propiedades estadísticas, estos modelos sustitutos permiten realizar hipótesis sobre la
localización del óptimo global y llegar a el (o a soluciones de alta calidad) en un número
de simulaciones mucho menor que los métodos de optimización tradicionales, y por tanto
reduciendo considerablemente el tiempo final de optimización. En la primera parte de este trabajo se presenta una introducciónn a la optimización global en el área biotecnológica, incluyendo los principales tipos de problemas existentes y los
métodos de optimización disponibles para resolverlos. También se hace una introducción
específica a una clase de métodos estocásticos (las metaheurísticas), destacando las mías populares y exitosas de entre ellas. Considerando que el método de optimización propuesto en esta tesis está basado en la metodología conocida como scatter search (búsqueda dispersa en
castellano), ésta se describe en el Capítulo 3. En la segunda parte se presenta la metodología propuesta para la optimización de bioprocesos complejos. Se presenta un algoritmo de optimización global basado en scatter search para la optimización de sistemas dinámicos no lineales. Se han desarrollado un conjunto de nuevas heurísticas y características mejoradas para intentar resolver los principales inconvenientes asociados a este tipo de problemas. Se ha desarrollado un segundo algoritmo de optimización global (también basado en scatter search) que hace uso de modelos sustitutos para la optimización de problemas computacionalmente costosos. En concreto, el algoritmo usa una interpolación basada en kriging que proporciona predicciones y estadisticas asociadas a ellas para minimizar el número de simulaciones necesarias para localizar el óptimo global. El hecho de estar basado en scatter search hace que el algoritmo elija automáticamente el conjunto de puntos sobre los que se haría la predicción. Las herramientas de software asociadas a ambos algoritmos se documentan en el Apéndice A. Su efectividad queda demostrada mediante la resolución de una serie de problemas como banco de pruebas. La parte final de este trabajo se dedica a la aplicación de las metodologías propuestas a
diferentes problemas de las industrias biotecnológicas y alimentarias. Se consideran los tipos de problemas descritos en la primera parte. El comportamiento de nuestros algoritmos se compara con el de otros algoritmos de optimización global que constituyen el estado actual, demostrando que las metodologías propuestas son eficientes y robustas para cumplir con el
objetivo propuesto.

KW - Estadística e Investigación Operativa
KW - Heuristics
KW - Bioprocesses
KW - Global optimization
KW - Biotechnological
KW - Metaheurísticas
KW - Optimización global
KW - Procesos biotecnológicos
KW - Procesos biotecnológicos
LA - eng
PB - Jose Alberto Egea Larrosa
ER -