Optimización de un método de reducción de incertidumbre aplicado a incendios forestales

La predicción del comportamiento de los incendios forestales representa un gran desafío desde el punto de vista matemático y computacional. La dificultad radica en la imposibilidad de medir en tiempo real todos los parámetros que determinan el comportamiento del incendio. ESSIM (Evolutionary Statist...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Tardivo, María Laura, Caymes Scutari, Paola, Méndez Garabetti, Miguel, BIanchini, Germán
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2017
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/63499
Aporte de:
id I19-R120-10915-63499
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
modelo de islas
Predicción
Parallelism and concurrency
algoritmos evolutivos
evolución diferencial
spellingShingle Ciencias Informáticas
modelo de islas
Predicción
Parallelism and concurrency
algoritmos evolutivos
evolución diferencial
Tardivo, María Laura
Caymes Scutari, Paola
Méndez Garabetti, Miguel
BIanchini, Germán
Optimización de un método de reducción de incertidumbre aplicado a incendios forestales
topic_facet Ciencias Informáticas
modelo de islas
Predicción
Parallelism and concurrency
algoritmos evolutivos
evolución diferencial
description La predicción del comportamiento de los incendios forestales representa un gran desafío desde el punto de vista matemático y computacional. La dificultad radica en la imposibilidad de medir en tiempo real todos los parámetros que determinan el comportamiento del incendio. ESSIM (Evolutionary Statistical System with Island Model), es un método de reducción de incertidumbre que utiliza estadística, computación de alto rendimiento y estrategias evolutivas para orientar la búsqueda hacia mejores soluciones. ESSIM ha sido implementado con dos estrategias de búsqueda: el m´etodo ESSIM-EA utiliza como método de optimización a los Algoritmos Evolutivos, por su parte ESSIM-DE utiliza el algoritmo Evolución Diferencial. ESSIM-EA ha demostrado obtener buena calidad de aproximaciones, mientras que ESSIM-DE obtiene mejores tiempos de respuesta. En este trabajo se presenta una alternativa para mejorar la calidad de las soluciones encontradas por ESSIM-DE, a partir del análisis de la velocidad de convergencia de la estrategia evolutiva y su relación con la distribución de la población al inicio de cada paso de predicción.
format Objeto de conferencia
Objeto de conferencia
author Tardivo, María Laura
Caymes Scutari, Paola
Méndez Garabetti, Miguel
BIanchini, Germán
author_facet Tardivo, María Laura
Caymes Scutari, Paola
Méndez Garabetti, Miguel
BIanchini, Germán
author_sort Tardivo, María Laura
title Optimización de un método de reducción de incertidumbre aplicado a incendios forestales
title_short Optimización de un método de reducción de incertidumbre aplicado a incendios forestales
title_full Optimización de un método de reducción de incertidumbre aplicado a incendios forestales
title_fullStr Optimización de un método de reducción de incertidumbre aplicado a incendios forestales
title_full_unstemmed Optimización de un método de reducción de incertidumbre aplicado a incendios forestales
title_sort optimización de un método de reducción de incertidumbre aplicado a incendios forestales
publishDate 2017
url http://sedici.unlp.edu.ar/handle/10915/63499
work_keys_str_mv AT tardivomarialaura optimizaciondeunmetododereducciondeincertidumbreaplicadoaincendiosforestales
AT caymesscutaripaola optimizaciondeunmetododereducciondeincertidumbreaplicadoaincendiosforestales
AT mendezgarabettimiguel optimizaciondeunmetododereducciondeincertidumbreaplicadoaincendiosforestales
AT bianchinigerman optimizaciondeunmetododereducciondeincertidumbreaplicadoaincendiosforestales
bdutipo_str Repositorios
_version_ 1764820480861143043