Paralelización de técnicas de toma de decisiones en empresas de acuicultura
Actualmente las empresas del sector de la Acuicultura deben de controlar una gran cantidad de factores para poder realizar su actividad de la manera más productiva. Su producción depende de factores ambientales, económicos, biológicos e ingenieriles. Esta alta complejidad, las empresas en colaboraci...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2022 |
| País: | España |
| Institución: | Universidad de Cantabria (UC) |
| Repositorio: | UCrea Repositorio Abierto de la Universidad de Cantabria |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unican.es:10902/25438 |
| Acceso en línea: | http://hdl.handle.net/10902/25438 |
| Access Level: | acceso abierto |
| Palabra clave: | Acuicultura Paralelismo Inteligencia Artificial Toma de decisiones Sistemas Distribuidos Aquaculture Parallelism Artificial Intelligence Decision-making Distributed Systems |
| Sumario: | Actualmente las empresas del sector de la Acuicultura deben de controlar una gran cantidad de factores para poder realizar su actividad de la manera más productiva. Su producción depende de factores ambientales, económicos, biológicos e ingenieriles. Esta alta complejidad, las empresas en colaboración con universidades buscan métodos para planificar la cría de peces de manera que aporte el máximo beneficio. En este aspecto el grupo de investigación Gestión Económica para el Desarrollo Sostenible del Sector Primario (IDES) de la Universidad de Cantabria creo el software AquiAID para la gestión de empresas de acuicultura. Este software cuenta para su ejecución con un algoritmo de Inteligencia Artificial conocido como Particule Swarm Optimitation (PSO). Pero debido a su alto coste computacional es inviable su utilización en la práctica. Este trabajo consiste en la mejora del rendimiento y del consumo energético del software AquiAID utilizando la técnica de paralelización en sistemas de memoria distribuida. Para esto se han centrado los esfuerzos en paralelizar, con el grano más fino posible, el algoritmo de inteligencia artificial que permitirá reducir su tiempo de computo, el cual es el mayor limitante del programa. Se realizará una validación experimental que permitirá optimizar la paralelización y conocer los límites de la paralelización del algoritmo PSO. Estos experimentos validaran tanto el rendimiento del programa como el consumo energético, los cuales son fundamentales para la reducción en el coste empresarial. Gracias a los cambios realizado en el programa paralelo implementado se obtienen reducciones de tiempo de hasta 40 veces el tiempo secuencial, y en la energía consumida de 20 veces respecto al original. Con estas mejoras, el software servirá a la industria de la acuicultura para realizar la gestión de la cría de peces. Todo ello gracias a la paralelización de un algoritmo de inteligencia artificial, lo cual no se ha observado actualmente en el mundo de la acuicultura. |
|---|