×
Se publica el Calendario Laboral del CICESE, en cumplimiento a la cláusula 55 del Contrato Colectivo de trabajo 2025-2026 que representa las condiciones laborales actualmente suscritas entre CICESE y el SUTCICESE.
Aquí
La direcciones de Ciberseguridad y Telemática invitan a explorar las últimas tendencias tecnológicas y mejores prácticas en ciberseguridad, a cargo de especialistas con amplia trayectoria en la industria, para proteger el futuro digital de tu organización
La optimización multiobjetivo para la planeación espacial se encuentra dentro de la amplia gama de técnicas de aprendizaje de máquina para el análisis geoespacial. Los modelos de Búsqueda y Optimización son algoritmos diseñados para explorar espacios de búsqueda vastos, complejos y de alta dimensión para encontrar soluciones óptimas o casi óptimas de forma eficiente, evitando a menudo búsquedas exhaustivas. Utilizan funciones heurísticas para priorizar rutas prometedoras y son cruciales cuando los algoritmos exactos resultan computacionalmente prohibitivos. Contienen estrategias de alto nivel que exploran espacios de solución de forma más inteligente, siendo a menudo bioispirados.
Hablaremos de un ejemplo específico que utiliza un algoritmo genético (AG) en un caso de aplicación de asignación de usos de suelo en la región Llanos de San Juan, Puebla, donde se ubica la planta AUDI. Los objetivos a optimizar consistieron en: Maximizar la renta, Minimizar los impactos ambientales negativos y Maximizar la seguridad alimentaria de la región. De esta aplicación teórica surgieron 150 soluciones espaciales que evolucionaron hasta convertirse en “cuasi óptimas”, y que lograron compensar la importancia de los objetivos enunciados. Con estas soluciones se pudo observar lo alejado de la solución de ubicación industrial de la automotriz por parte del gobierno estatal, respecto de alternativas con métricas que promueven una mayor sustentabilidad en el territorio.
La optimización multiobjetivo para la planeación espacial se encuentra dentro de la amplia gama de técnicas de aprendizaje de máquina para el análisis geoespacial. Los modelos de Búsqueda y Optimización son algoritmos diseñados para explorar espacios de búsqueda vastos, complejos y de alta dimensión para encontrar soluciones óptimas o casi óptimas de forma eficiente, evitando a menudo búsquedas exhaustivas. Utilizan funciones heurísticas para priorizar rutas prometedoras y son cruciales cuando los algoritmos exactos resultan computacionalmente prohibitivos. Contienen estrategias de alto nivel que exploran espacios de solución de forma más inteligente, siendo a menudo bioispirados.
Hablaremos de un ejemplo específico que utiliza un algoritmo genético (AG) en un caso de aplicación de asignación de usos de suelo en la región Llanos de San Juan, Puebla, donde se ubica la planta AUDI. Los objetivos a optimizar consistieron en: Maximizar la renta, Minimizar los impactos ambientales negativos y Maximizar la seguridad alimentaria de la región. De esta aplicación teórica surgieron 150 soluciones espaciales que evolucionaron hasta convertirse en “cuasi óptimas”, y que lograron compensar la importancia de los objetivos enunciados. Con estas soluciones se pudo observar lo alejado de la solución de ubicación industrial de la automotriz por parte del gobierno estatal, respecto de alternativas con métricas que promueven una mayor sustentabilidad en el territorio.