Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales
Fecha
2018-04-27Autor
Bianchini, Germán
Caymes Scutari, Paola
Méndez Garabetti, Miguel
Tardivo, María
Metadatos
Mostrar el registro completo del ítemResumen
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.
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: