Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales

Mostrar todas las versiones(2)

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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Tardivo, María, Caymes Scutari, Paola, Méndez Garabetti, Miguel, Bianchini, Germán
Formato: Artículo acceptedVersion
Lenguaje:Español
Publicado: 2023
Materias:
Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo
Acceso en línea:http://hdl.handle.net/20.500.12272/8015
Aporte de:
RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional
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

Ejemplares similares