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

Abstract

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.