Esta tesis presenta un estudio exhaustivo sobre la aplicación del
algoritmo de Optimización de Halcón de Harris (HHO) y algoritmos genéticos (GA) en
sistemas de biodatos, con un enfoque particular en mejorar la precisión diagnóstica de
enfermedades cardíacas y hepáticas. Al combinar HHO con redes neuronales
artificiales, esta investigación proporciona una solución poderosa para mejorar la
selección de características, la clasificación y la interpretabilidad de modelos en
conjuntos de datos complejos. El novedoso enfoque híbrido demostrado en esta
investigación muestra mejoras significativas en comparación con los métodos
tradicionales de aprendizaje automático, ofreciendo predicciones más precisas y
confiables en el diagnóstico médico. Las contribuciones de esta investigación van más
allá del diagnóstico de enfermedades cardíacas y hepáticas, proporcionando
perspectivas para aplicaciones más amplias en el análisis de biodatos, como la
agregación de señales de EEG y el intercambio seguro de datos médicos. Al integrar la
tecnología blockchain con la inteligencia artificial, la investigación demuestra un
sistema escalable y seguro para gestionar datos médicos en las futuras ciudades
inteligentes.