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 posibilitan...
Guardado en:
Autores principales: | , , , |
---|---|
Formato: | Artículo acceptedVersion |
Lenguaje: | Español |
Publicado: |
2023
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/20.500.12272/8109 |
Aporte de: |
id |
I68-R174-20.500.12272-8109 |
---|---|
record_format |
dspace |
spelling |
I68-R174-20.500.12272-81092023-06-23T12:31:17Z Procesamiento Computacional Paralelo con Metaheurísticas Híbridas para la Reducción de Incertidumbre en Modelos de Incendios Forestales Bianchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María Evolución Diferencial, Algoritmos Evolutivos, Optimización por Cúmulo de Partículas, HPC, Reducción de Incertidumbre 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 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 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 metaheurísticas elegidas, HESSIM se implementará siguiendo un esquema de procesamiento paralelo. Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina 2023-06-23T12:31:17Z 2023-06-23T12:31:17Z 2018-04-27 info:eu-repo/semantics/article acceptedVersion XX Workshop de Investigadores en Ciencias de la Computación (XX WICC). Año 2018. http://hdl.handle.net/20.500.12272/8109 spa PID4736 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 |
Evolución Diferencial, Algoritmos Evolutivos, Optimización por Cúmulo de Partículas, HPC, Reducción de Incertidumbre |
spellingShingle |
Evolución Diferencial, Algoritmos Evolutivos, Optimización por Cúmulo de Partículas, HPC, Reducción de Incertidumbre Bianchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María Procesamiento Computacional Paralelo con Metaheurísticas Híbridas para la Reducción de Incertidumbre en Modelos de Incendios Forestales |
topic_facet |
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
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
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
metaheurísticas elegidas, HESSIM se
implementará siguiendo un esquema de
procesamiento paralelo. |
format |
Artículo acceptedVersion |
author |
Bianchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María |
author_facet |
Bianchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María |
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 |
2023 |
url |
http://hdl.handle.net/20.500.12272/8109 |
work_keys_str_mv |
AT bianchinigerman procesamientocomputacionalparaleloconmetaheuristicashibridasparalareducciondeincertidumbreenmodelosdeincendiosforestales AT caymesscutaripaola procesamientocomputacionalparaleloconmetaheuristicashibridasparalareducciondeincertidumbreenmodelosdeincendiosforestales AT mendezgarabettimiguel procesamientocomputacionalparaleloconmetaheuristicashibridasparalareducciondeincertidumbreenmodelosdeincendiosforestales AT tardivomaria procesamientocomputacionalparaleloconmetaheuristicashibridasparalareducciondeincertidumbreenmodelosdeincendiosforestales |
_version_ |
1769989309467721728 |