Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
El presente estudio examin cinco mtodos de optimizacin heurstica: subida azarosa (RA),
Hero, templado simulado (SA), bsqueda tab (TS) y algoritmos genticos (AG), en el contexto de
dos modelos de planificacin forestal que consideraban explcitamente objetivos ecolgicos para la
preserveracin del hbitat del urogallo en Catalua. Tales modelos fueron resueltos para dos problemas distintos (uno no-espacial y otro espacial) para un caso de estudio cuyo propsito era mejorar
en un perodo de 60 aos el hbitat del urogallo en un monte virtual de 14.400 ha compuesto mayoritariamente por rodales de Pinus uncinata, Pinus sylvestris y Pinus nigra. Una vez formulados, los
dos problemas fueron resueltos mediante los cinco mtodos de optimizacin heurstica. En el primer
problema, cuatro de los cinco mtodos heursticos; RA, HERO, SA y TS encontraron valores muy
similares para la funcin objetivo, siendo GA claramente inferior y mucho ms lento que el resto de
los mtodos. Por el contrario, en el caso del segundo problema de carcter espacial, GA fue el mtodo que encontr el mejor valor de la funcin objetivo mientras que el resto de mtodos encontraron
soluciones casi idnticas. La razon por la que GA produce las mejores soluciones en el problema de
optimizacin espacial, podra deberse a su proceso de bsqueda, el cual es muy diferente al de los
otros mtodos empleados. GA, al contrario que RA, HERO, SA y TS no basa su proceso de bsqueda en llevar a cabo mejoras locales en un entorno, sino basa su estrategia de bsqueda en la recombinacin de soluciones, lo cual le permite examinar en cada iteracin mltiples cambios respecto a
una misma solucin.
Palabras clave: Objetivos ecolgicos, Optimizacin heurstica, Planificacin forestal multiobjetivo
INTRODUCCIN
Durante la dcada de los aos 80, tcnicas
tpicas de la investigacin operativa, como la
programacin lineal, comenzaron a reemplazar
a los mtodos clsicos de ordenacin en el contexto de la planificacin de la gestin forestal
(JOHNSON & TEDDEER, 1983). El uso de estas
tcnicas conjuntamente con tcnicas de simula-
ISSN: 1575-2410
2004 Sociedad Espaola de Ciencias Forestales
103
M. PALAH et al.
104
donde U es la Utilidad total, uh es la utilidad parcial derivada del volumen total de madera cortada
durante el periodo de 60 aos, ul es la utilidad parcial derivada del objetivo ecolgico representado
por una determinada variable de paisaje l al final
del periodo de planificacin. H y Ll2063 son, respectivamente, el volumen total cortado y el valor
de la variable de paisaje l al final del periodo.
En el Problema 1 l se refiere a la proporcin
de hbitat (%HSI) de urogallo que es una variable cuantitativa de la composicin del paisaje
que indica la cantidad relativa de unidades mnimas de gestin aptas como hbitat para el urogallo. Para determinar si una unidad mnima de
gestin era apta como hbitat de urogallo se
emple el ndice de adecuacin de hbitat (HSI)
de urogallo desarrollado por PASCUAL (2003), y
calculado en funcin de la composicin arbrea
y estructura de cada unidad mnima de gestin
(ms detalles en PALAH et al. (2004)).
En el Problema 2 l es la proporcin de lmites separando unidades mnimas de gestin (celdas) clasificados como hbitat (H-H) y por lo
tanto proporciona informacin acerca de la configuracin espacial del paisaje (KURTTILA et al.,
2002; PALAH et al., 2004).
RESULTADOS
Para comparar los cinco mtodos heursticos,
los Problemas 1 y 2 fueron solucionados con
cada una de las tcnicas. El problema 1 no representaba un problema espacial, mientras que el
problema 2 al maximizar H-H en lugar de %HSI
requera adems de la informacin producida en
las simulaciones, de informacin de adyacencia
entre las unidades mnimas de gestin.
Para evaluar la calidad de las soluciones de
cada heurstico fueron evaluados el valor mximo de la funcin objetivo, la media de los valores obyenidos en 10 optimizaciones, y el tiempo
medio consumido por cada mtodo.
En el problema no espacial (1) cuatro de los
cinco mtodos heursticos; RA, HERO, SA y TS
encontraron valores para la funcin objetivo muy
similares (Figura 1, arriba), siendo GA claramente inferior y mucho ms lento que el resto de los
mtodos. En el problema 1, el mximo valor
absoluto de la funcin objetivo fue de 0.7453
105
M. PALAH et al.
0,74
0,72
0,70
0,68
U 0,66
0,64
0,62
0,60
0,58
0,56
20
40
60
80
100
120
140
160
180
Time (seconds)
GA
RA
Figura 1. Desarrollo del valor medio de 10 optimizaciones de la funcin objetivo en funcin del tiempo cuando los distintos mtodos heursticos son utilizados para solucionar el problema 1 (izquierda) y el problema 2 (derecha)
106
107
M. PALAH et al.
108