2023-06-082023-06-082017-01-01XIX Workshop de Investigadores en Ciencias de la Computación (WICC). Año 2017http://hdl.handle.net/20.500.12272/8017La 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 presente trabajo se presenta un proyecto de desarrollo de un método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESS-IM). HESS-IM es un método que combina las bondades de tres metaheurísticas poblacionales evolutivas: Algoritmos Evolutivos, Evolución Diferencial y Optimización por Cúmulo de Partículas bajo un esquema de combinación colaborativa basado en migración mediante modelo de islas y HPC. Es importante mencionar que si bien el método se encuentra aún en desarrollo, existe una versión preliminar la cual ha sido implementada con Algoritmos Evolutivos y Evolución Diferencial. Ésta, ha obtenido resultados alentadores, ya que ha superado resultados obtenidos por metodologías previamente desarrolladas, sin considerar que aún resta realizar estudios más exhaustivos; los cuales podrían permitir obtener resultados de mayor calidad.pdfspaopenAccesshttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalPredicción, Incendios forestales, Reducción de incertidumbre, Metaheurísticas evolutivas poblacionales, HPC, Metaheurísticas híbridasinfo:eu-repo/semantics/articleUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribución