Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales
La predicción del comportamiento de incendios forestales no es una tarea sencilla ya que dicho proceso se ve afectado por la falta de precisión o incertidumbre en los parámetros de entrada. En base a esto, resulta importante desarrollar métodos que permitan tratar la incertidumbre posibilitando la o...
Guardado en:
Autores principales: | , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2018
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/68160 |
Aporte de: |
id |
I19-R120-10915-68160 |
---|---|
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 evolución diferencial algoritmos evolutivos optimización por cúmulo de partículas HPC reducción de incertidumbre |
spellingShingle |
Ciencias Informáticas evolución diferencial algoritmos evolutivos optimización por cúmulo de partículas HPC reducción de incertidumbre BIanchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María Laura Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales |
topic_facet |
Ciencias Informáticas evolución diferencial algoritmos evolutivos optimización por cúmulo de partículas HPC reducción de incertidumbre |
description |
La predicción del comportamiento de incendios forestales no es una tarea sencilla ya que dicho proceso se ve afectado por la falta de precisión o incertidumbre en los parámetros de entrada. En base a esto, resulta importante desarrollar métodos que permitan tratar la incertidumbre posibilitando la obtención de predicciones más precisas y confiables. En el proyecto que aquí se expone se propone el desarrollo de un método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESSIM). En HESSIM se plantea un
método que combine la fuerza de tres metaheurísticas poblacionales evolutivas: Algoritmos Evolutivos (EA), Evolución Diferencial (DE) y Optimización por Cúmulo de Partículas (PSO), bajo un esquema de combinación colaborativa basado en migración mediante modelo de islas y HPC. HESSIM corresponde a la continuación de las líneas abiertas resultantes de proyectos previos en los cuales se implementaron dos versiones de ESS-IM: la primera con Algoritmos Evolutivos, y la segunda con Evolución Diferencial. De este modo surge la idea de desarrollar una versión híbrida en un único método, en vista del potencial aportado por cada una de las metaheurísticas poblacionales en forma aislada, y añadiendo además una tercera (PSO). Dado que las arquitecturas paralelas se han convertido en una herramienta importante en muchos campos de la ciencia por los beneficios que aporta a la hora de efectuar los cálculos, y debido a la naturaleza intrínsecamente paralela de las tres metaheurísticas elegidas, HESSIM se implementará siguiendo un esquema de procesamiento paralelo. |
format |
Objeto de conferencia Objeto de conferencia |
author |
BIanchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María Laura |
author_facet |
BIanchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María Laura |
author_sort |
BIanchini, Germán |
title |
Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales |
title_short |
Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales |
title_full |
Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales |
title_fullStr |
Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales |
title_full_unstemmed |
Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales |
title_sort |
procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales |
publishDate |
2018 |
url |
http://sedici.unlp.edu.ar/handle/10915/68160 |
work_keys_str_mv |
AT bianchinigerman procesamientocomputacionalparaleloconmetaheuristicashibridasparalareducciondeincertidumbreenmodelosdeincendiosforestales AT caymesscutaripaola procesamientocomputacionalparaleloconmetaheuristicashibridasparalareducciondeincertidumbreenmodelosdeincendiosforestales AT mendezgarabettimiguel procesamientocomputacionalparaleloconmetaheuristicashibridasparalareducciondeincertidumbreenmodelosdeincendiosforestales AT tardivomarialaura procesamientocomputacionalparaleloconmetaheuristicashibridasparalareducciondeincertidumbreenmodelosdeincendiosforestales |
bdutipo_str |
Repositorios |
_version_ |
1764820483221487618 |