Ajuste de un modelo de redes de contagio de varicela mediante algoritmos de optimización heurísticos en un entorno de cálculo distribuido

• José Gabriel García Caro ^[1] ; Matilde Santos ^[2]
  1. [1] Universidad Nacional de Educación a Distancia

     Universidad Nacional de Educación a Distancia

     Madrid, España

     
  2. [2] Universidad Complutense de Madrid

     Universidad Complutense de Madrid

     Madrid, España

     
• Localización: XL Jornadas de Automática: libro de actas. Ferrol, 4-6 de septiembre de 2019 / coord. por José Luis Calvo Rolle, José-Luis Casteleiro-Roca, Isabel Fernández-Ibáñez, Óscar Fontenla Romero, Esteban Jove Pérez, Alberto J. Leira-Rejas, José Antonio López Vázquez, Vanesa Loureiro-Vázquez, María-Carmen Meizoso-López, Francisco Javier Pérez Castelo, Andrés José Piñón Pazos, Héctor Quintián Pardo, Juan Manuel Rivas Rodríguez, Benigno Antonio Rodríguez Gómez, Rafael A. Vega-Vega, 2019, ISBN 978-84-9749-716-9, págs. 483-490
• Idioma: español
• Títulos paralelos:
  • Adjusting a chickenpox infection model by heuristic optimization algorithms in a distributed computing environment
• Enlaces
  • Texto completo
• Resumen
  • español

    La búsqueda de los parámetros que mejor hacen evolucionar un modelo de redes aleatorias es una tarea computacionalmente muy costosa y en muchos casos inabordable mediante la evaluación exhaustiva de todas las soluciones. En este trabajo se va a modelar, mediante redes aleatorias, el comportamiento del virus de la varicela. Para el ajuste de este modelo se presenta una alternativa que combina algoritmos meta-heurísticos, computación distribuida y almacenamiento en la nube. Esta arquitectura permite la sinergia de elementos totalmente desacoplados (sistema de computación, modelo de redes y generador de soluciones) para distintas plataformas sin tener que modificarlos. El modelo resultante se ajusta bastante bien a los datos reales disponibles y permitirá tomar acciones para poner en marcha nuevas campañas de vacunación.

  • English

    The searching for the parameters that best adjust a model of random networks is computationally very expensive and in many cases unapproachable through the exhaustive evaluation of all the solutions. In this work, the behavior of the chicken pox (varicella) virus will be modeled by random networks. For the adjustment of this model a strategy that combines metaheuristic algorithms, distributed computing and cloud storage is presented. This architecture allows the synergy of totally decoupled elements (computer system, network model and solution generator) for different platforms without having to modify them. The resulting model fits fairly well with the real data available and will allow actions to be taken in order to launch a new vaccination campaign.