Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola

Autores
Cesca, Martina L.; Rodriguez, Diego A.; Brignole, Nélida B.
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El competitivo mercado actual exige que las empresas sean más flexibles, innovadoras y receptivas a las necesidades de sus clientes. La disponibilidad de abundante información, con la ayuda de los optimizadores, permitirá a los directivos tomar las decisiones adecuadas y oportunas con el objeto de reaccionar ágilmente en función de sus objetivos organizacionales. Con la finalidad de ampliar el alcance de las estrategias evolutivas explotándolas en este complejo contexto, la meta perseguida es optimizar procedimientos de análisis empresarial para el sector apícola con el fin de aumentar su nivel de competitividad. Más específicamente, el objetivo a largo plazo es sustentar estrategias comerciales para el sector apícola mediante un software especializado en la toma de decisiones gerenciales basado en el procesamiento de información con métodos de Inteligencia Artificial. Con el propósito de aplicarla en este contexto, estamos trabajando en el diseño e implementación de una nueva herramienta computacional de optimización predictiva basada en un Algoritmo Genético Codificado Real (RCGA). La función de fitness emplea métricas KPI (Key Performance Indicators) representativas que indican cómo la empresa progresa hacia sus objetivos principales.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Planificación
Inteligencia artificial
Algoritmos Genéticos
Apicultura
Optimización
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/177356
Acceder
id SEDICI_115cc830d741e4b83d320e586bdeca66
oai_identifier_str oai:sedici.unlp.edu.ar:10915/177356
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícolaCesca, Martina L.Rodriguez, Diego A.Brignole, Nélida B.Ciencias InformáticasPlanificaciónInteligencia artificialAlgoritmos GenéticosApiculturaOptimizaciónEl competitivo mercado actual exige que las empresas sean más flexibles, innovadoras y receptivas a las necesidades de sus clientes. La disponibilidad de abundante información, con la ayuda de los optimizadores, permitirá a los directivos tomar las decisiones adecuadas y oportunas con el objeto de reaccionar ágilmente en función de sus objetivos organizacionales. Con la finalidad de ampliar el alcance de las estrategias evolutivas explotándolas en este complejo contexto, la meta perseguida es optimizar procedimientos de análisis empresarial para el sector apícola con el fin de aumentar su nivel de competitividad. Más específicamente, el objetivo a largo plazo es sustentar estrategias comerciales para el sector apícola mediante un software especializado en la toma de decisiones gerenciales basado en el procesamiento de información con métodos de Inteligencia Artificial. Con el propósito de aplicarla en este contexto, estamos trabajando en el diseño e implementación de una nueva herramienta computacional de optimización predictiva basada en un Algoritmo Genético Codificado Real (RCGA). La función de fitness emplea métricas KPI (Key Performance Indicators) representativas que indican cómo la empresa progresa hacia sus objetivos principales.Sociedad Argentina de Informática e Investigación Operativa2024-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf394-397http://sedici.unlp.edu.ar/handle/10915/177356spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/18015info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-17T10:30:23Zoai:sedici.unlp.edu.ar:10915/177356Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-17 10:30:23.736SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola
title Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola
spellingShingle Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola
Cesca, Martina L.
Ciencias Informáticas
Planificación
Inteligencia artificial
Algoritmos Genéticos
Apicultura
Optimización
title_short Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola
title_full Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola
title_fullStr Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola
title_full_unstemmed Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola
title_sort Desarrollo de un algoritmo genético predictivo para planeamiento empresarial del sector apícola
dc.creator.none.fl_str_mv Cesca, Martina L.
Rodriguez, Diego A.
Brignole, Nélida B.
author Cesca, Martina L.
author_facet Cesca, Martina L.
Rodriguez, Diego A.
Brignole, Nélida B.
author_role author
author2 Rodriguez, Diego A.
Brignole, Nélida B.
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Planificación
Inteligencia artificial
Algoritmos Genéticos
Apicultura
Optimización
topic Ciencias Informáticas
Planificación
Inteligencia artificial
Algoritmos Genéticos
Apicultura
Optimización
dc.description.none.fl_txt_mv El competitivo mercado actual exige que las empresas sean más flexibles, innovadoras y receptivas a las necesidades de sus clientes. La disponibilidad de abundante información, con la ayuda de los optimizadores, permitirá a los directivos tomar las decisiones adecuadas y oportunas con el objeto de reaccionar ágilmente en función de sus objetivos organizacionales. Con la finalidad de ampliar el alcance de las estrategias evolutivas explotándolas en este complejo contexto, la meta perseguida es optimizar procedimientos de análisis empresarial para el sector apícola con el fin de aumentar su nivel de competitividad. Más específicamente, el objetivo a largo plazo es sustentar estrategias comerciales para el sector apícola mediante un software especializado en la toma de decisiones gerenciales basado en el procesamiento de información con métodos de Inteligencia Artificial. Con el propósito de aplicarla en este contexto, estamos trabajando en el diseño e implementación de una nueva herramienta computacional de optimización predictiva basada en un Algoritmo Genético Codificado Real (RCGA). La función de fitness emplea métricas KPI (Key Performance Indicators) representativas que indican cómo la empresa progresa hacia sus objetivos principales.
Sociedad Argentina de Informática e Investigación Operativa
description El competitivo mercado actual exige que las empresas sean más flexibles, innovadoras y receptivas a las necesidades de sus clientes. La disponibilidad de abundante información, con la ayuda de los optimizadores, permitirá a los directivos tomar las decisiones adecuadas y oportunas con el objeto de reaccionar ágilmente en función de sus objetivos organizacionales. Con la finalidad de ampliar el alcance de las estrategias evolutivas explotándolas en este complejo contexto, la meta perseguida es optimizar procedimientos de análisis empresarial para el sector apícola con el fin de aumentar su nivel de competitividad. Más específicamente, el objetivo a largo plazo es sustentar estrategias comerciales para el sector apícola mediante un software especializado en la toma de decisiones gerenciales basado en el procesamiento de información con métodos de Inteligencia Artificial. Con el propósito de aplicarla en este contexto, estamos trabajando en el diseño e implementación de una nueva herramienta computacional de optimización predictiva basada en un Algoritmo Genético Codificado Real (RCGA). La función de fitness emplea métricas KPI (Key Performance Indicators) representativas que indican cómo la empresa progresa hacia sus objetivos principales.
publishDate 2024
dc.date.none.fl_str_mv 2024-08
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/177356
url http://sedici.unlp.edu.ar/handle/10915/177356
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/18015
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
394-397
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1843533097165914112
score 13.001348

Publicaciones similares