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...
Guardado en:
Autores principales: | , , , |
---|---|
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 |