| Summary: | Iniciativas gubernamentales y asociaciones de protección al medio ambiente, a menudo, están interesadas en proyectos de forestación con el objetivo de reducir la producción de sedimento que converge en los ríos. Seleccionar áreas óptimas donde se plantará bosque para minimizar la erosión del suelo, sujeto a restricción presupuestaria representa un reto de optimización. Áreas potenciales donde se plantará bosque, se digitalizan en mapas ráster, donde se almacena beneficios de forestación y costo asociados de cada celda. En función de la resolución que se use, el número de celdas resultante, podría llegar a ser impráctico para algoritmos de optimización comunes. En este manuscrito, se aplica el algoritmo CAMF (Cellular Automata Based Heuristic Solution Method for Minimizing Flow, CAMF) para construir un ranking de celdas candidatas, con su beneficio asociado de forestación (reducción de sedimento) y costo de forestación (distancia a vías). Al tener dos objetivos concurrentes (minimizar la producción de sedimento y presupuesto limitado), permite, modelar el problema como un «Knapsack Problem», y se propone variantes del Algoritmo Genético con técnicas de topología como heurística, para su resolución, los valores obtenidos se contrastan con el valor del óptimo global calculado con «Branch and Bound». Los resultados obtenidos con «Branch and Bound» muestran ser superiores a estrategias como Shani's PTAS algoritmo integrado a CAMF-B. «Branch and Bound» es aplicable a problemas de forestación donde intervienen miles de celdas. En situaciones de proyectos con excesivo números de celdas donde no es posible aplicar «Branch and Bound», debido al costo computacional, el Algoritmo Genético siempre encuentra una solución factible con costo-beneficio cercanos al óptimo global.
|
|---|