Facultad Regional Mendoza

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/100

Browse

Filters

2016 - 202030

Settings

Author: search.filters.author.Tardivo, María

Search Results

Now showing 1 - 10 of 30
  • Thumbnail Image
    Item
    Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales
    (2018-04-27) Bianchini, Germán; Caymes Scutari, Paola; Méndez Garabetti, Miguel; Tardivo, María
    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.
  • Thumbnail Image
    Item
    Sintonización automática de aplicaciones paralelo/distribuidas basadas en algoritmos evolutivos y evolución diferencial
    (2018-01-01) Caymes Scutari, Paola; Bianchini, Germán; Tardivo, María; Méndez Garabetti, Miguel
    El procesamiento paralelo se ha convertido en un recurso muy utilizado para el procesamiento de datos y la resolución de problemas en diversos campos de la ciencia y la ingeniería. Sin embargo, el paradigma paralelo conlleva una complejidad considerable dado que involucra un gran número de aspectos no funcionales (como granularidad, técnica de descomposición y/o asignación, grado de concurrencia, etc.) que pueden impactar negativamente en el rendimiento de las aplicaciones. Mitigar dicho efecto negativo requiere de un cierto dominio y experiencia en su manejo, lo cual suele resultar prohibitivo para el usuario no experto en informática y en paralelismo en particular. Es por ello que tanto el proceso de desarrollo de aplicaciones paralelas como el proceso de sintonización de las mismas constituyen importantes desafíos a la hora de abordar un problema de manera paralela y eficiente. El Proceso de Sintonización comporta una serie de etapas sucesivas mediante las cuales las aplicaciones son instrumentadas, monitorizadas, analizadas y sintonizadas (o ajustadas) de acuerdo a las características del problema que presentan o al entorno de ejecución, con el fin de mejorar su rendimiento y hacer un mejor aprovechamiento de los recursos. Sin lugar a dudas, el proceso de sintonización requiere un grado de conocimiento de la aplicación, el paradigma paralelo y los problemas de sintonización que usualmente lo vuelve una tarea muy difícil y restrictiva para lograr un rendimiento adecuado, sobre todo cuando de usuarios no expertos se trata. El presente proyecto propone abordar la sintonización automática de aplicaciones paralelas basadas en Evolución Diferencial.
  • Thumbnail Image
    Item
    Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
    (2018-01-01) Caymes Scutari, Paola; Bianchini, Germán; Tardivo, María; Méndez Garabetti, Miguel
    La complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugar al primer DMM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de agregar la información y determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos dejerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas, como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación) explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados, a fin de alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.
  • Thumbnail Image
    Item
    Monitorización y análisis de métricas poblacionales en un método de predicción de incendios forestales
    (2018-01-01) Tardivo, María; Caymes Scutari, Paola; Bianchini, Germán; Méndez Garabetti, Miguel
    La incertidumbre sobre el valor de los parámetros de entrada que alimentan los modelos de predicción de incendios forestales es un problema crucial, que puede producir graves consecuencias si la salida de los modelos proporcionan predicciones erróneas. ESSIM­DE(r) es un método general de predicción y reducción de incertidumbre basado en Análisis Estadístico, la metaheurística Evolución Diferencial y Cómputo de Alto Rendimiento, y ha sido estudiado durante los últimos años con el fin de mejorar su rendimiento. Este trabajo presenta una mejora del método en la cual se perfecciona la estrategia evolutiva, en base a la monitorización y análisis de la distribución poblacional y de los movimientos efectivos del optimizador.
  • Thumbnail Image
    Item
    Propuesta de metodología de generación automática de perímetros de área quemada usando imágenes satelitales MODIS para su aplicación en un sistemas de predicción de Incendios
    (2018-01-01) Zúñiga, Agustín; Arancibia, José; Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, María
    Cada año, los incendios forestales causan pérdidas inconmensurables en los ecosistemas del mundo, provocando la desaparición de grandes superficies de bosques. En respuesta a esta problemática, la predicción del comportamiento de estos fenómenos puede ser una herramienta de gran utilidad para disminuir los daños provocados. Este método ha sido probado mayormente con mapas de incendios controlados y mapas de incendios reales cuya metodología de trabajo consistía en la toma de sus perímetros de forma manual mediante herramientas de sistemas de información geográfica. En el presente trabajo, se ha aplicado un método para la automatización de perímetros de área quemada en casos de incendios reales. El mismo ha sido diseñado y probado para la utilización de imágenes satelitales obtenidas por los satélites Terra y Aqua de la herramienta espacial MODIS. Los resultados obtenidos en el experimento han sido comparados respecto a los obtenidos mediante la metodología de trabajo manual, consiguiendo valores más adecuados de las áreas quemadas para ser posteriormente implementados en el método de simulación de comportamiento de incendios.
  • Thumbnail Image
    Item
    Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
    (2018-01-01) Tardivo, María; Caymes Scutari, Paola; Bianchini, Germán; Méndez Garabetti, Miguel
    Los sistemas de predicción constituyen en nuestros días una gran herramienta computacional que puede brindar soporte en los planes de lucha contra el fuego y en la prevención de incendios forestales. ESSIM-DE es un método de predicción paralelo, el cual permite obtener predicciones de la línea de fuego utilizando Análisis Estadístico, la estrategia evolutiva Evolución Diferencial y Cómputo de Alto Desempeño. El Análisis Estadístico permite obtener la tendencia de la propagación de las llamas a lo largo del desarrollo del incendio. El Cómputo de Alto Desempeño se utiliza para mejorar los tiempos de respuesta bajo un esquema de procesamiento en paralelo. Finalmente, la estrategia evolutiva Evolución Diferencial guía el proceso de búsqueda hacia soluciones de calidad. ESSIM-DE ha sido estudiado durante los últimos años, con el fin de mejorar su rendimiento. Recientemente se ha incorporado un operador de reinicio de poblaciones, y la evaluación de un modelo de rendimiento para el componente evolutivo del método. En este trabajo se presenta un estudio de calibración estática sobre dos métricas asociadas a dicho modelo de rendimiento, con el fin de mejorar tanto la calidad como el tiempo de respuesta en la obtención de las predicciones.
  • Thumbnail Image
    Item
    Método de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales bajo una Implementación heterogénea MPI/CUDA
    (2018-01-01) Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, María
    Los incendios forestales causan grandes pérdidas y daños en todo el mundo. Por esta razón, la predicción de este tipo de fenómeno se considera una tarea muy importante que implica un alto grado de complejidad. Debido a esto, tales métodos deben configurarse para operar de la manera más eficiente posible, tanto en términos de calidad de los resultados como así también en relación al tiempo de obtención de los resultados. En este trabajo, se presenta una implementación MPI/CUDA de un método paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales. Los resultados revelan grandes incrementos en la eficiencia computacional del método.
  • Thumbnail Image
    Item
    IQR : una medida estadística como modelo para la sintonización computacional
    (2019-01-01) Caymes Scutari, Paola; Tardivo, María; Bianchini, Germán; Méndez Garabetti, Miguel
    El Rango Intercuartil (o métrica IQR) es una medida estadística que cuantifica la dispersión de la muestra considerada, es decir, la variabilidad de la distribución de los elementos muestrales en base a algún parámetro de interés. En este proyecto, centrado en métodos que como muestra del espacio de búsqueda consideran poblaciones de individuos (muestra de elementos candidatos) se propone la utilización del rango intercuartil de los valores de aptitud de los individuos como un indicador de la tendencia a estancarse que tiene el algoritmo. El caso de estudio se refiere a la predicción de incendios forestales. Por lo tanto, la función de aptitud cuantifica el grado de coincidencia entre la predicción arrojada por cierto individuo y el incendio real. El IQR actuaría como un indicador de estancamiento y/o convergencia prematura y sería de utilidad para tomar decisiones sobre cuándo la predicción alcanzada es suficientemente buena, o bien ha alcanzado un cierto tope de calidad que no podrá mejorarse, y por consiguiente sea recomendable dar paso a una nueva población y una nueva generación. En resumen, se propone un modelo basado en el IQR para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.
  • Thumbnail Image
    Item
    Modelo matemático para la sintonización dinámica de un método predictivo basado en evolución diferencial
    (2019-01-01) Tardivo, María; Caymes Scutari, Paola; Bianchini, Germán; Méndez Garabetti, Miguel
    El desarrollo y sintonización de programas paralelos presenta el desafío de generar aplicaciones que obtengan los resultados esperados desde el punto de vista funcional, y que además alcancen un rendimiento acorde a los recursos computacionales utilizados. El proceso de sintonización dinámica brinda la posibilidad de monitorizar la aplicación, analizar su rendimiento y mejorar automáticamente aquellos aspectos limitantes de mejor rendimiento. La sintonización puede responder a modelos matemáticos de rendimiento, a heurísticas definidas ad-hoc, a estrategias basadas en historia, entre otros. En este trabajo se presenta un modelo matemático/estadístico de rendimiento, computado de manera distribuida para sintonizar el método de predicción ESSIM-DE. Dicho método utiliza la metaheurística poblacional Evolución Diferencial como algoritmo de optimización. La sintonización es aplicada de forma automática y dinámica al parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.
  • Thumbnail Image
    Item
    Modelo basado en Rango Intercuartil para la sintonización automática y dinámica aplicado a la predicción de incendios forestales
    (2019-01-01) Caymes Scutari, Paola; Bianchini, Germán; Tardivo, María
    La predicción de incendios forestales constituye una tarea compleja dado el nivel de incertidumbre presente en las variables del modelo, entre otros factores. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones candidatas consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugaral primer DDM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos de jerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación)explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados para alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, con el fin de reducir el tiempo de ejecución. Para ello se considera el Rango Intercuartil (IQR) como cuantificador de la variabilidad de la distribución delos elementos del espacio muestral considerado, en este caso en base al valor de aptitud de los elementos, el cual puede interpretarse como un indicador dela tendencia a estancarse o converger prematuramente que tiene el algoritmo.