Algoritmo de Optimización de Colonia de Hormigas (ACO) en la GPU aplicado a problemas de señalización celular en el tratamiento de enfermedades

Abstract

[Resumen]: Los modelos computacionales se han convertido en modelos muy populares para el análisis del funcionamiento de redes bioquímicas complejas, como las involucradas en las redes de señalización celular. Estas soluciones construyen modelos lógicos predictivos entrenando una red de conocimiento previo con datos bioquímicos obtenidos a través de experimentos. El entrenamiento se presenta como un problema de optimización combinatoria que requiere métodos de solución eficientes. La metaheurística denominada Optimización de Colonia de Hormigas, o Ant Colony Optimization (ACO), es uno de los métodos empleados en la resolución de problemas combinatorios de complejidad NP. El objetivo de este trabajo es el estudio y análisis de una sencilla implementación paralela de un ACO adaptado a los problemas descritos anteriormente haciendo uso de la plataforma CUDA (Compute Unified Device Architecture). Así, valoraremos la efectividad y eficiencia de optimización en la GPU (Graphics Processing Unit) obtenida gracias a esta plataforma, y las mejoras que se podrían conseguir de cara al futuro.

[Abstract]: Computational models became very popular for analysing the functioning of complex biochemical networks such as those involved in cell signalling networks. These solutions build complex predictive logic models by training a prior knowledge network with biochemical data obtained through experiments. Training is presented as a combinatorial optimisation problem that requires efficient solution methods. The metaheuristic Ant Colony Optimization (ACO) is one of the methods used in solving NP-complex combinatorial problems. In this work we will study and analyse a simple parallel implementation of an ACO algorithm adapted to the problems described above using the CUDA (Compute Unified Device Architecture) framework. Thus, we will evaluate the effectiveness and efficiency of the optimisation in the GPU (Graphics Processing Unit) obtained using this framework, as well as the improvements that could be achieved in the future.