A Emma
AgradecimientosTantos años invertidos en la elaboración de esta tesis dan para enumerar a un buen número de personas que me han ayudado y apoyado durante todo este tiempo. No ha sido un trabajo sencillo, con momentos en los que más de una vez la palabra abandonar estuvo en mi mente más que presente.Mi más sincero agradecimiento a Alfonso, director de esta tesis, por haberme aceptado como alumno y haber confiado en mí para en general formarme como investigador en el Laboratorio de Inteligencia Artificial y en particular para la elaboración de esta tesis. Agradezco también la ayuda de Petr, sin cuyas explicaciones, colaboración, consejos y ayuda, la palabra abandonar hubiese ganado.Agradezco a Chema y Pepe sus ánimos constantes para que esta tesis fuese una realidad, haciéndome ver que era más sencillo de lo que parecía, y sí, era cierto, teníais razón.También me gustaría agradecer a Daniel y Juan que me aceptasen, recién llegado de otra universidad, a formar parte del por aquel entonces llamado Laboratorio de Redes de Neuronas. Por supuesto, no me olvido tampoco, de todos los compañeros y amigos con los que he compartido laboratorio e incontables horas de trabajo. Gracias por escucharme.Todo esto nunca hubiera sido posible sin el amparo incondicional de mi familia, mis padres y abuelos, sé que han hecho un esfuerzo tremendo apoyándome. Gracias Elena, por tu comprensión y ayuda.
III
IV
Índice generalResumen 1 Abstract 3
Aportaciones de esta Tesis 5Organización y estructura de la memoria 7I Estado de la Cuestión 31. Sistemas P 5
ResumenLos resultados presentados en la memoria de esta tesis doctoral se enmarcan en la denominada computación celular con membranas una nueva rama de investigación dentro de la computación natural creada por Gh. Paun en 1998, de ahí que habitualmente reciba el nombre de sistemas P. Este nuevo modelo de cómputo distribuido está inspirado en la estructura y funcionamiento de la célula.El objetivo de esta tesis ha sido analizar el poder y la eficiencia computacional de estos sistemas de computación celular. En concreto, se han analizado dos tipos de sistemas P: por un lado los sistemas P de neuronas de impulsos, y por otro los sistemas P con proteínas en las membranas. Para el primer tipo, los resultados obtenidos demuestran que es posible que estos sistemas mantengan su universalidad aunque muchas de sus características se limiten o incluso se eliminen. Para el segundo tipo, se analiza la eficiencia computacional y se demuestra que son capaces de resolver problemas de la clase de complejidad ESPACIO-P (PSPACE) en tiempo polinómico.Análisis del poder computacional: Los sistemas P de neuronas de impulsos (en adelante SN P, acrónimo procedente del inglés «Spiking Neural P Systems») son sistemas inspirados en el funcionamiento neuronal y en la forma en la que los impulsos se propagan por las redes sinápticas. Los SN P bio-inpirados poseen un numeroso abanico de características que ha- Esto es, nuevas variantes simplificadas de los sistemas SN P con un conjunto mínimo de funcionalidades...
