Aplicación de computación evolutiva y paralelismo para la resolución de problemas de astrofísica

  1. Cárdenas Montes, Miguel
Dirigida por:
  1. Miguel Ángel Vega Rodríguez Director/a

Universidad de defensa: Universidad de Extremadura

Fecha de defensa: 27 de octubre de 2014

Tribunal:
  1. Jesús Carretero Pérez Presidente/a
  2. José María Granado Criado Secretario/a
  3. Nicanor Colino Arriero Vocal
  4. Manuel Prieto Matías Vocal
  5. Julio Ortega Lopera Vocal

Tipo: Tesis

Teseo: 371697 DIALNET

Resumen

El aumento del volumen y la calidad de los datos en astrofísica y cosmología requiere que nuevos métodos computacionales sean puestos en marchar para asegurar resultados científicos de alta calidad. En el futuro este problema se verá agravado por la puesta en marcha de nuevas instalaciones, lo que requerirá un esfuerzo computacional adicional para proveer a los científicos de las herramientas necesarias para la realización de una producción científica de calidad. Para analizar este enorme volumen de datos de alta calidad, técnicas de paralelismo y de computación evolutiva son necesarias. En el área de paralelismo, durante el desarrollo de esta Tesis se han abordado problemas como la reducción del tiempo de ejecución de la función de correlación. Las funciones de correlación son ampliamente utilizadas en cosmología. Sin embargo, estas funciones son computacionalmente intensivas. Por ello, los trabajos de paralelización de las mismas desarrollados en esta Tesis han sido productivos para rebajar los tiempos de ejecución a niveles razonables. Por otro lado, el aumento de la complejidad de los datos requiere de técnicas metaheurísticas para la extracción de conocimiento sintético de ellos. En la Tesis se han estudiado aspectos directamente aplicados a problemas de astronomía y astrofísica; así como, aspectos fundamentales o teóricos de los algoritmos evolutivos. Estos últimos han tenido como objetivo explorar y evaluar aspectos que posteriormente pudieran ser aplicados a problemas de astronomía. La aplicación de los algoritmos desarrollados en esta Tesis ha producido una mejora neta de la productividad científica comparada con los desarrollos previos existentes.