Algoritmos Memeticos

Resumen-Este trabajo propone un nuevo algoritmo memético (MA) para resolver la quimioterapia a múltiples fármacos optimización problema. El nuevo MA combina GA con un algoritmo de búsqueda local llamado iterativo dinámico Programación (IDP). A la quimioterapia a múltiples fármacos modelo se introduce para simular la respuesta posible de las células tumorales bajo la administración de fármacos. Optimización de los agentes quimioterapéuticos múltiples ' esquemas de administración se basa en este modelo de tumor. Se formula el problema de optimización como una óptima Problema con el control (OCP) con un conjunto de ecuaciones dinámicas. El objetivo es diseñar programas eficientes que reducir al mínimo el tamaño del tumor en un conjunto de restricciones. Nuestro nuevo MA ha demostrado ser muy eficaz en la solución de nuestra multi-fármaco modelo.

1. introducción La quimioterapia es un tratamiento del tumor el tratamiento básico. Uno de los objetivos principales de la quimioterapia es reducir al mínimo el número de células tumorales después de algunos ciclos de tratamiento fijos. la horario de la administración de drogas determina la dosificación de medicamentos para ser infundido en el cuerpo del paciente que se afectan a las células tumorales. Para ayudar al paciente a minimizar las células tumorales después de un curso de tratamiento, es crucial para diseñar un programa de drogas de la quimioterapia óptima. muchos se desarrollaron modelos matemáticos para encontrar el óptimo programa de tratamiento y predecir las conductas del tumor cuando los medicamentos son administrados. (Martin, 1992) propuso una solo fármaco óptimo modelo de programación, mientras que (Westman 2001) propuso un modelo de celdas para la quimioterapia con resistencia a los medicamentos.

El uso de combinaciones de fármacos para la quimioterapia tiene

sido un avance importante de la esfera. combinación

la quimioterapia tiene varias ventajas importantes. adaptación

de múltiples agentes quimioterapéuticos generalmente puede disminuir

la probabilidad de incidencia de resistencia a fármacos. El general

toxicidad para el cuerpo o al menos a un órgano del cuerpo puede

reducirse. Un modelo de múltiples agentes de quimioterapia para

objeto de tratamiento del cáncer de resistencia a los fármacos se propuso

por (Westman 2002). Sin embargo, este modelo no tiene

considera las interacciones de la concentración del fármaco con

las células tumorales. (Martin 1994) también presentó una no cruzada y dos

medicamentos modelo de resistencia que se ha considerado el

interacciones entre la concentración de fármaco dentro del paciente

cuerpo y las células tumorales. De acuerdo con (Liang 2004), el

ecuación de la toxicidad de un modelo de Martin no es compatible con

la experiencia clínica y el conocimiento de la medicina. ellos

modificada por la ecuación de la toxicidad en Martín de dos medicamentos

modelo. En este trabajo destacamos el conjunto de la modificación ecuaciones se definen en (Martin 1994) y añadir más ecuaciones para modelar las respuestas de múltiples medicamentos administraciones. Utilizamos el modelo de múltiples medicamentos para simular un conjunto de datos clínicos con tres medicamentos en nuestro trabajo. la datos clínicos utilizados en nuestras simulaciones muestran que una oncólogo de utilizar tres fármacos a lo largo de tratamiento de quimioterapia. Un modelo de múltiples fármacos puede ayudar a oncólogos para diseñar la mejor manera de administrar los medicamentos para tratamientos de tumores y ahorrar mucho esfuerzo de prueba y error, especialmente cuando un nuevo medicamento es descubierto. Nuestro modelo es formulado como un problema de control óptimo (OCP). la detalles de los enunciados de los problemas se presentan en el siguientes secciones. Normalmente es muy difícil encontrar las soluciones a estos ACO debido a la multimodal y altamente no lineal- paisaje del espacio de búsqueda. Hay muchos algoritmos de optimización desarrollados para resolver los ACO. Martin aplicados de forma no lineal, programación técnica para resolver su modelo de horario óptimo (Martin 1992). (Carrasco, 1997) propuesto un algoritmo estocástico adaptable para resolver el modelo de (Martin 1992). (Luus 1994) aplica iterativa programación dinámica (IDP) y (Liang 2004) aplicó un método del algoritmo genético llamado elitista de adaptación genética algoritmo (AEGA) para resolver el mismo modelo. En este documento, hemos propuesto un nuevo algoritmo mediante la hibridación con los desplazados internos algoritmo genético (AG) para resolver nuestra modificada a múltiples fármacos modelo. Este tipo de algoritmos que integren AGs con los no genéticos búsquedas locales están llamados memética algoritmos (MAS). Este trabajo se organiza de la siguiente manera. La sección 2 describe el trabajo relacionado. La Sección 3 presenta el nuevo fármaco administración dinámica del modelo. El MA diseñado para resolver el modelo dinámico se presenta en la Sección 4. Sección 5 muestra los detalles de implementación y los resultados. la se concluye en la Sección 6

2. Trabajos relacionados

(Westman 2002) propuso un modelo de tumor a múltiples fármacos con

compartimientos múltiples. Cada compartimiento del modelo

representa las células con una fase del ciclo celular determinada y drogas

resistencia. Una célula es o bien en una proliferación o clonigénicas

fase. Una célula puede ser también resistente o sensible a una cierta

fármaco. El régimen de medicamentos de la modelo es un impulso

función, lo que significa que el programa sólo tiene en cuenta si un

fármaco debe ser infundido en cada día del tratamiento

ciclos. (Gardner 2002) sugirió un Cinéticamente Adaptado

Tratamiento (KITT) modelo que se basa en celldrug complejo

las interacciones

...