Comparación de metaheurísticas para la ubicación de cortafuegos en el combate de incendios forestales

Abstract

En esta investigación se exponen, implementan y comparan metaheurísticas con el fin de resolver el problema de ubicación de cortafuegos para ayudar al combate de incendios forestales mediante el simulador Cell2Fire. El problema considera el uso de un determinado porcentaje de la superficie del bosque como cortafuego, cuyo fin es detener el avance de un eventual incendio forestal. Para este trabajo se simplifican los costos operativos y los costos asociados a la pérdida económica y social a causa del incendio mediante la normalización del costo de cada cortafuego y la omisión de las pérdidas. Considerando que en este problema existe un número importante de variables aleatorias, como el punto de inicio del incendio, dirección y velocidad del viento, temperatura ambiente, entre otras, se utilizan aproximaciones del desempeño real de los algoritmos mediante simulaciones de Monte Carlo a los resultados de las metaheurísticas. Para enfrentarlas a condiciones cercanas a las reales y considerando el tiempo que le tomaría a un equipo de combate de incendios el llegar a la zona afectada, se simulan incendios de 30 horas de duración en las que no hay intervenciones de dichos equipos. Para definir el desarrollo de las metaheurísticas, se consideran 3 fases metodológicas. La primera fase metodológica consiste en un estudio de un amplio espectro de metaheurísticas para analizar aquellas que teóricamente mejor se adapten al problema o de las cuales existen investigaciones que las hayan aplicado en el problema o alguno similar. La segunda fase de la metodología se basa en la implementación de las metaheurísticas escogidas en bosques pequeños con poca aleatoriedad para definir el desempeño de estas en ambientes controlados, y así obtener una idea del eventual desempeño que pudiesen tener en problemas menos triviales. De esta etapa se obtiene que las metaheurísticas seleccionadas en este trabajo son: Algoritmo Genético, Greedy Randomized Adaptive Search Procedure (o GRASP) y Búsqueda Tabú. Finalmente, la tercera etapa de la metodología consiste en modificar las metaheurísticas para adaptarlas de acuerdo al problema en cuestión e implementarlas en bosques más reales y con condiciones meteorológicas más cercanas a la realidad. Para esto se compara el desempeño de los algoritmos con 3 variaciones distintas. Los resultados obtenidos muestran un buen desempeño de las metaheurísticas al ser adaptadas para resolver este problema y enfrentándose a condiciones no totalmente aleatorias. Dichos resultados son obtenidos en pruebas de 2 horas de duración para cada metaheurística. Mediante un análisis de sensibilidad se logra determinar que al aumentar la superficie de cortafuegos o aumentando el tiempo de ejecución de los algoritmos se obtienen mejores resultados, con un mayor impacto en el primer caso. Finalmente se proponen modelos alternativos al problema planteado y se concluye que algunas de las metaheurísticas seleccionadas podrían ayudar a combatir eventuales incendios forestales en ciertas zonas geográficas como Chile.