Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional

Autores
Caymes Scutari, Paola Guadalupe; Bianchini, German; Tardivo, María Laura
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Existen diversas metaheurísticas de propósito general, utilizadas en distintas áreas de la ciencia y la ingeniería. En particular, una de las aplicaciones que poseen algunas metaheurísticas basadas en algoritmos evolutivos poblacionales, es la orientación de búsqueda en procesos de predicción de fenómenos naturales, como pueden ser los incendios forestales. Este tipo de algoritmos considera una muestra del espacio de búsqueda denominada población, que mediante diferentes operadores es transformada sucesivamente hasta converger en una solución aceptable. En ocasiones, las características del problema dificultan la convergencia hacia el óptimo, y el algoritmo sufre de estancamiento o convergencia prematura, dos situaciones indeseadas que suele ser complejo superar. En este trabajo, proponemos un modelo para la detección anticipada de convergencia prematura y estancamiento que pueda utilizarse como motor de conocimiento durante el proceso de sintonización de las aplicaciones. El proceso de Sintonización es el que precisamente permite adaptar el comportamiento de la aplicación, para alcanzar una ejecución más eficiente, sea en términos de calidad de resultados, de tiempo de ejecución, y/o de utilización de recursos.
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional; Argentina
Fil: Tardivo, María Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Río Cuarto; Argentina
Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia
Villa María
Argentina
Universidad Tecnológica Nacional
Materia
COMPUTACIÓN
ALGORITMOS
PREDICCIÓN
FENÓMENOS NATURALES
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/177870
Acceder
id CONICETDig_998fe83d73ece099de9bd59ab68bb6ec
oai_identifier_str oai:ri.conicet.gov.ar:11336/177870
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva PoblacionalCaymes Scutari, Paola GuadalupeBianchini, GermanTardivo, María LauraCOMPUTACIÓNALGORITMOSPREDICCIÓNFENÓMENOS NATURALEShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Existen diversas metaheurísticas de propósito general, utilizadas en distintas áreas de la ciencia y la ingeniería. En particular, una de las aplicaciones que poseen algunas metaheurísticas basadas en algoritmos evolutivos poblacionales, es la orientación de búsqueda en procesos de predicción de fenómenos naturales, como pueden ser los incendios forestales. Este tipo de algoritmos considera una muestra del espacio de búsqueda denominada población, que mediante diferentes operadores es transformada sucesivamente hasta converger en una solución aceptable. En ocasiones, las características del problema dificultan la convergencia hacia el óptimo, y el algoritmo sufre de estancamiento o convergencia prematura, dos situaciones indeseadas que suele ser complejo superar. En este trabajo, proponemos un modelo para la detección anticipada de convergencia prematura y estancamiento que pueda utilizarse como motor de conocimiento durante el proceso de sintonización de las aplicaciones. El proceso de Sintonización es el que precisamente permite adaptar el comportamiento de la aplicación, para alcanzar una ejecución más eficiente, sea en términos de calidad de resultados, de tiempo de ejecución, y/o de utilización de recursos.Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional; ArgentinaFil: Bianchini, German. Universidad Tecnológica Nacional; ArgentinaFil: Tardivo, María Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Río Cuarto; ArgentinaCongreso de Investigaciones y Desarrollos en Tecnología y CienciaVilla MaríaArgentinaUniversidad Tecnológica NacionalUniversidad Tecnológica NacionalCejas, Marcelo OscarGonella, Javier NicolásSensini, Fabián Marcelo2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectCongresoBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/177870Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional; Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia; Villa María; Argentina; 2021; 85-96978-987-4998-68-2CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://idetec.frvm.utn.edu.ar/api/pub/d/lib/1Nacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-10T13:08:44Zoai:ri.conicet.gov.ar:11336/177870instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-10 13:08:44.86CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional
title Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional
spellingShingle Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional
Caymes Scutari, Paola Guadalupe
COMPUTACIÓN
ALGORITMOS
PREDICCIÓN
FENÓMENOS NATURALES
title_short Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional
title_full Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional
title_fullStr Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional
title_full_unstemmed Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional
title_sort Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional
dc.creator.none.fl_str_mv Caymes Scutari, Paola Guadalupe
Bianchini, German
Tardivo, María Laura
author Caymes Scutari, Paola Guadalupe
author_facet Caymes Scutari, Paola Guadalupe
Bianchini, German
Tardivo, María Laura
author_role author
author2 Bianchini, German
Tardivo, María Laura
author2_role author
author
dc.contributor.none.fl_str_mv Cejas, Marcelo Oscar
Gonella, Javier Nicolás
Sensini, Fabián Marcelo
dc.subject.none.fl_str_mv COMPUTACIÓN
ALGORITMOS
PREDICCIÓN
FENÓMENOS NATURALES
topic COMPUTACIÓN
ALGORITMOS
PREDICCIÓN
FENÓMENOS NATURALES
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Existen diversas metaheurísticas de propósito general, utilizadas en distintas áreas de la ciencia y la ingeniería. En particular, una de las aplicaciones que poseen algunas metaheurísticas basadas en algoritmos evolutivos poblacionales, es la orientación de búsqueda en procesos de predicción de fenómenos naturales, como pueden ser los incendios forestales. Este tipo de algoritmos considera una muestra del espacio de búsqueda denominada población, que mediante diferentes operadores es transformada sucesivamente hasta converger en una solución aceptable. En ocasiones, las características del problema dificultan la convergencia hacia el óptimo, y el algoritmo sufre de estancamiento o convergencia prematura, dos situaciones indeseadas que suele ser complejo superar. En este trabajo, proponemos un modelo para la detección anticipada de convergencia prematura y estancamiento que pueda utilizarse como motor de conocimiento durante el proceso de sintonización de las aplicaciones. El proceso de Sintonización es el que precisamente permite adaptar el comportamiento de la aplicación, para alcanzar una ejecución más eficiente, sea en términos de calidad de resultados, de tiempo de ejecución, y/o de utilización de recursos.
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional; Argentina
Fil: Tardivo, María Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Río Cuarto; Argentina
Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia
Villa María
Argentina
Universidad Tecnológica Nacional
description Existen diversas metaheurísticas de propósito general, utilizadas en distintas áreas de la ciencia y la ingeniería. En particular, una de las aplicaciones que poseen algunas metaheurísticas basadas en algoritmos evolutivos poblacionales, es la orientación de búsqueda en procesos de predicción de fenómenos naturales, como pueden ser los incendios forestales. Este tipo de algoritmos considera una muestra del espacio de búsqueda denominada población, que mediante diferentes operadores es transformada sucesivamente hasta converger en una solución aceptable. En ocasiones, las características del problema dificultan la convergencia hacia el óptimo, y el algoritmo sufre de estancamiento o convergencia prematura, dos situaciones indeseadas que suele ser complejo superar. En este trabajo, proponemos un modelo para la detección anticipada de convergencia prematura y estancamiento que pueda utilizarse como motor de conocimiento durante el proceso de sintonización de las aplicaciones. El proceso de Sintonización es el que precisamente permite adaptar el comportamiento de la aplicación, para alcanzar una ejecución más eficiente, sea en términos de calidad de resultados, de tiempo de ejecución, y/o de utilización de recursos.
publishDate 2021
dc.date.none.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Congreso
Book
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/177870
Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional; Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia; Villa María; Argentina; 2021; 85-96
978-987-4998-68-2
CONICET Digital
CONICET
url http://hdl.handle.net/11336/177870
identifier_str_mv Detección anticipada de convergencia y estancamiento para la mejora en el rendimiento de aplicaciones basadas en Computación Evolutiva Poblacional; Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia; Villa María; Argentina; 2021; 85-96
978-987-4998-68-2
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://idetec.frvm.utn.edu.ar/api/pub/d/lib/1
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Universidad Tecnológica Nacional
publisher.none.fl_str_mv Universidad Tecnológica Nacional
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842980419856760832
score 13.004268

Publicaciones similares