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 Statisti...
Guardado en:
Autores principales: | , , , |
---|---|
Formato: | Artículo acceptedVersion |
Lenguaje: | Español |
Publicado: |
2023
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/20.500.12272/8015 |
Aporte de: |
id |
I68-R174-20.500.12272-8015 |
---|---|
record_format |
dspace |
spelling |
I68-R174-20.500.12272-80152023-06-08T16:13:53Z Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales Tardivo, María Caymes Scutari, Paola Méndez Garabetti, Miguel Bianchini, Germán Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo 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 método 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. Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina 2023-06-08T16:13:53Z 2023-06-08T16:13:53Z 2017-10-09 info:eu-repo/semantics/article acceptedVersion XXIII Congreso Argentino de Ciencias de la Computación http://hdl.handle.net/20.500.12272/8015 spa PID 3939 openAccess http://creativecommons.org/publicdomain/zero/1.0/ CC0 1.0 Universal Universidad Tecnológica Nacional. Facultad Regional Mendoza Atribución pdf |
institution |
Universidad Tecnológica Nacional |
institution_str |
I-68 |
repository_str |
R-174 |
collection |
RIA - Repositorio Institucional Abierto (UTN) |
language |
Español |
topic |
Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo |
spellingShingle |
Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo Tardivo, María Caymes Scutari, Paola Méndez Garabetti, Miguel Bianchini, Germán Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales |
topic_facet |
Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo |
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 método 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 |
Artículo acceptedVersion |
author |
Tardivo, María Caymes Scutari, Paola Méndez Garabetti, Miguel Bianchini, Germán |
author_facet |
Tardivo, María Caymes Scutari, Paola Méndez Garabetti, Miguel Bianchini, Germán |
author_sort |
Tardivo, María |
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 |
2023 |
url |
http://hdl.handle.net/20.500.12272/8015 |
work_keys_str_mv |
AT tardivomaria optimizaciondeunmetododereducciondeincertidumbreaplicadoaincendiosforestales AT caymesscutaripaola optimizaciondeunmetododereducciondeincertidumbreaplicadoaincendiosforestales AT mendezgarabettimiguel optimizaciondeunmetododereducciondeincertidumbreaplicadoaincendiosforestales AT bianchinigerman optimizaciondeunmetododereducciondeincertidumbreaplicadoaincendiosforestales |
_version_ |
1768720910769979392 |