Los algoritmos evolutivos y bioinspirados, en especial la programación genética, al ser heurísticas basadas en poblaciones, demandan grandes cantidades de recursos de cómputo. Sin embargo, se presentan alternativas para acelerar el proceso de evaluación de estos métodos como son: máquinas paralelas (MIMD/SIMD), clusters, procesadores multi-core y también unidades de procesamiento gráfico (GPU-Graphics Processing Units). Debido al creciente interés en este tipo de procesadores (GPU´s), actualmente se presentan las unidades de procesamiento gráfico para propósito general (GP-GPU) las cuales no son únicamente para procesamiento gráfico, tienen un alto grado de programabilidad que les permite realizan operaciones de punto flotante de manera muy rápida siendo muy útiles para cálculos numéricos._x000D_ Los algoritmos evolutivos y bio-inspirados son intrínsicamente paralelos y los modelos paralelos tradicionales de estos algoritmos se basan principalmente en subpoblaciones. Sin embargo, con el uso de los GP-GPU, el algoritmo evolutivo reside en el CPU mientras que la evaluación de los individuos/datos pasan al GPU, o, en el caso de la programación genética, el mapeo de fitness cases y/o individuos pasan al GPU, lo cual presenta un buen desempeño para poblaciones o fitness cases grandes como es el caso de problemas reales. Dentro de las aplicaciones que se plantean en este proyecto esta el campo de la bioinformática como son el plegamiento de proteínas y el alineamiento de múltiples secuencias tanto genéticas como de proteínas._x000D_

Los algoritmos evolutivos y bioinspirados, en especial la programación genética, al ser heurísticas basadas en poblaciones, demandan grandes cantidades de recursos de cómputo. Sin embargo, se presentan alternativas para acelerar el proceso de evaluación de estos métodos como son: máquinas paralelas (MIMD/SIMD), clusters, procesadores multi-core y también unidades de procesamiento gráfico (GPU-Graphics Processing Units). Debido al creciente interés en este tipo de procesadores (GPU´s), actualmente se presentan las unidades de procesamiento gráfico para propósito general (GP-GPU) las cuales no son únicamente para procesamiento gráfico, tienen un alto grado de programabilidad que les permite realizan operaciones de punto flotante de manera muy rápida siendo muy útiles para cálculos numéricos._x000D_ Los algoritmos evolutivos y bio-inspirados son intrínsicamente paralelos y los modelos paralelos tradicionales de estos algoritmos se basan principalmente en subpoblaciones. Sin embargo, con el uso de los GP-GPU, el algoritmo evolutivo reside en el CPU mientras que la evaluación de los individuos/datos pasan al GPU, o, en el caso de la programación genética, el mapeo de fitness cases y/o individuos pasan al GPU, lo cual presenta un buen desempeño para poblaciones o fitness cases grandes o problemas con grandes cantidades de información presentándose así el procesamiento paralelo de los datos._x000D_ Por tanto, las contribuciones de esta propuesta están enfocadas a la reducción en en los tiempos de cómputo mediante el uso de arquitecturas basadas en GPU's lo cual nos permitirá el tratamiento de problemas reales los cuales, por lo general, son problemas complejos en cuanto a su dimensionalidad y cantidades de información. Ejemplo de estos problemas residen en el campo de la bioinformática como son el alineamiento de múltiples secuencias y el plegamiento de proteínas. Asimismo, se contribuirá en la formación de recursos humanos, en la investigación colaborativa y en la difusión mediante las publicaciones en revistas arbitradas y presentaciones en foros internacionales y nacionales de las áreas a fines al proyecto.