Implementando un Algoritmo Competitivo Imperialista para reducir marginalidad en un polígono de los más pobres en Chihuahua.

Abstract

ElAlgoritmo Competitivo Imperialista (ACI) usa un sistema básico de conocimiento fuente para determinar las mejores situaciones bajo incertidumbre usando un modelo de países, cada uno relacionado al conocimiento observado en varios aspectos del comportamiento social. Este conocimiento está combinado para direccionar las decisiones de los agentes individuales para resolver problemas de optimización o en la solución de la distribución de recursos en diferentes comunidades. En la presente investigación, nosotros simulamos un modelo reactivo bajo incertidumbre para integrar estas diversas fuentes de conocimiento para dirigir la población del agente. Las diferentes fases de solución del problema emergen combinando el uso de estas fuentes de conocimiento y estas fases dan lugar a la aparición de roles individuales dentro de la población en términos de líderes y seguidores para cada país (grupo de agentes). Estos roles dan lugar a la salida de un grupo organizado o grupos organizados en nivel de población y grupos de conocimientos o conocimiento agrupado en el espacio de creencias sociales. Esta aplicación optimiza una función revalorizada en el diseño de problemas de modelado social, permitiendo ilustrar un mejor modelo reactivo bajo incertidumbre.

Keywords

• Algoritmo Competitivo Imperialista
• Modelo reactive bajo incertidumbre
• Modelado social