Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales

Mostrar todas las versiones(2)

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...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	BIanchini, Germán, Caymes Scutari, Paola, Méndez Garabetti, Miguel, Tardivo, María Laura
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2018
Materias:	Ciencias Informáticas evolución diferencial algoritmos evolutivos optimización por cúmulo de partículas HPC reducción de incertidumbre
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/68160
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

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

Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales

Ejemplares similares