Browsing by Autor "J. M. Maestre"

Now showing 1 - 3 of 3

Comparacion de estrategias de control predictivo estocástico no lineal aplicadas a la quimioterapia
(Technical University of Valencia, 2025) Andrés Hernández-Rivera; Pablo Velarde; Ascensión Zafra‐Cabeza; J. M. Maestre
El modelado matemático de sistemas biomédicos puede ayudar a los profesionales oncológicos a diseñar ciclos de administración de fármacos más seguros y eficaces. Para lograr este objetivo, en el proceso de toma de decisiones se utiliza el modelo matemático del crecimiento tumoral y el impacto de la quimioterapia. Sin embargo, los sistemas biomédicos son propensos a un alto grado de incertidumbre, no solo por los errores de medición, sino también por la dinámica del sistema no modelada y la variabilidad entre pacientes. Para abordar este problema, se han aplicado restricciones probabilísticas al control del proceso de administración de fármacos, haciéndolo más robusto frente a perturbaciones. Este trabajo compara una versión no lineal y otra linealizada de las formulaciones estocásticas del control predictivo basado en modelo. Ambos algoritmos mejoran la eficacia y la seguridad del tratamiento, con diferencias en cuanto a conservadurismo y coste computacional.
Drug dosing for cancer therapy: A stochastic model predictive control perspective
(Elsevier BV, 2025) Andrés Hernández-Rivera; Pablo Velarde; Ascensión Zafra‐Cabeza; J. M. Maestre
Stochastic Model Predictive Control (SMPC) is an effective decision-making method in applications where uncertainties play a significant role. This work introduces a non-linear formulation of SMPC specifically designed for cancer therapy. The proposed method considers the stochastic nature of tumor growth, non-linear dynamics, and a potential side effect of the treatment. Through one-year simulations, the results showcase the effectiveness of this strategy in controlling drug dosing.
Gestión de escenarios ponderados en entornos estocásticos usando control predictivo basado en modelo
(2025) Andrés Hernández-Rivera; Pablo Velarde; Ascensión Zafra‐Cabeza; Francisco Javier Muros; J. M. Maestre
Este artículo presenta una formulación detallada del control predictivo basado en modelo con escenarios ponderados (WS-MPC, por sus siglas en inglés) orientada a sistemas lineales con incertidumbres. El enfoque propuesto combina técnicas de optimización robusta y generación de múltiples escenarios dinámicos del sistema, asignando una ponderación diferenciada al escenario de peor caso dentro del problema de control. Esta estrategia permite una mayor resiliencia ante perturbaciones estocásticas y modelado incierto, mejorando la capacidad del controlador para anticiparse a comportamientos no esperados. El WS-MPC adapta dinámicamente las acciones de control en función de la evolución de todos los escenarios considerados, manteniendo la factibilidad y estabilidad del sistema ante condiciones desfavorables. Los resultados de simulación demuestran que el enfoque propuesto incrementa la robustez operativa del sistema y proporciona una respuesta más segura y confiable frente a variaciones inesperadas. En particular, este controlador se ha implementado en un caso de estudio académico centrado en la gestión del inventario de una tienda.