Además de minimizar el costo de generación didro-térmica. Un objetivo secundario es que el nivel de embalse de la presa termine igual o cercano al nivel en el que empezó, ya si no pasa esto, al siguiente año no habrá agua para generar.
Para esto necesitamos hacer modificaciones a nuestros sistemas.

y por un comportamiento oscilatorio de los resultados obtenidos por las E.E., se decidió guardar al mejor Individuo de cada generación.

Para tener una mejor visión del comportamiento de las Presas, presentamos los resultados en porcentajes.

Podemos presentar las gráficas de las distintas políticas de despacho:
Para Furnas:

Para Paute:

Después de la corrección de GAMS para Paute el gráfico quedo así:

Durante todo el día hemos procurado obtener gráficos similares para Furnas, pero hemos tenido varias inconsistencias, aquí presentamos nuestro pirmer resultado aceptable:

Podemos apreciar que el comportamiento de todos los métodos de optimización son muy parecidos. Pero solo hay un error en los datos.
Es el hecho de algunos valores de Turbinamiento son mayores al límite que está establecido.
El única seción que no va a cambiar, es lo de GAMS.
Al corregir ese error obtuvimos:

Como ya lo habíamos dicho. Tenemos lo suficiente para realizar gráficas que comparen los resultados obtenidos por los distintos métodos:

En esta gráficas apreciamos que las E. E. tienen un comportamiento diferente a las GAMS y a G.A. por lo que volvimos a modificar las E. E. de tal manera que cada vez que un turbinamiento provoque que la presa baje mas allá de límite inferior, enceramos tal turbinamiento, además al generarse un individuo no factibles después de la mutación volvemos generar el tal individuo.
Y estos fueron los resultados:

Con esto verificamos que las E.E. ya están trabajando de forma adecuada. Pero notamos que el resultado de GAMS en el mes 12 no es el mismo que gráfico anterior. Por lo que debemos revisar el código de GAMS.

Ahora al comparar los costos este es el orden en el que están hubicados de menor a mayor: GAMS, GA Promedio, GA Progresivo, E.E. Mejor y E.E. Promedio.

Y la diferencia de valores es así: 0 -> 30.114,44 -> 32.598,76 -> 45.434,82 -> 60.625,79

En vista a que los resultados anteriores no han sido muy satisfactorios ya que el volumen de la presa termina casi vacío, se decidio probar las EE con los datos de paute para verificar su eficacia. obteniendo resultados bastante similares.
Por esto nos vimos en la obligación de revisar nuestro código un a vez más. Y en esta revisión se realizaron los siguientes cambios:
1. Eliminar a los individuos infactibles cuando pasamos a la siguiente generación.
2. Utilizamos la restricción ajustada de q(t)

Y obtuvimos estos resultados:



Al aplicar el primer cambio para Furnas estos fueron los resultados:



Y para comparación tenemos los resultados de Furnas usando GAMS

Al comparar los resultados obtenidos en cada iteración el Ing. Carlos jordán se percató que los mínimos encontrados eran muy diferentes, para esto habían dos posibilidades:

1. Que existieran muchos mínimos locales como solución al despacho hídrico
2. Que hubiera algún error en la implementación de las E. E.

Entonces, revisamos la primera, y concluímos que era muy poco probable, así que la 2da era la opción factible. Por esto revisamos todo el código nuevamente, y existía un error, provocado por el traspaso que se realizó del problema de G. A. a E. E.

Y ya fue solucionado. Y estos son los nuevos resultados.

1ero la verificación de que los resultados están muy cercanos

Esta fue nuestra confirmación de que ya están funcionando mejor

2do El volumen de la presa

3ro Comparación de las afluencias con los turbinamientos

4to Como es cubierta la demanda

Hoy por la mañana se termino la adaptación de nuestro código de E. E. para la optimización del despacho hidro-térmico para la represa de Furnas en Brasil.

Pero no lo habíamos probar por una multitud de errores que salían. Y recién 14h30 pudimos encontrarlo.

Y aquí están los resultados:
Promedio de 100 iteraciones, usando 25 individuos y 15 generaciones.

Todos estas son gráficas de resultados ejecutando las E.E. en 100 ocaciones

Luego, usando 100 individuos y 100 generaciones.

Todas estas gráficas son el resultado de promediar las salidas obtenidas después de ejecutar las E.E. por 100 ocasiones.

Solo tenemos un inconveniente con la función objetivo, algunos individuos en varias generaciones dieron valores negativos, hay que revisar un poco, pero en general los resultados obtenidos son bastante buenos.

Ya terminamos de corregir GAMS para Furnas, con lo cual ya podemos realizar gráficas comparativas entre: GAMS, G. A. y E. E.; graficando volumen y turbinamiento

1. Gráficos de Furnas usando GAMS. Pendiente,  tengo errores en tiempo de ejecución, no los he podido resol
2. Gráficos finales de Furnas usando G. A. Listo
3. Usar Estrategias Evolutivas y Flexibles para PAUTE y FURNAS. Pendiente
4. Carta para solicitar documentos financieros. Listo

Terminamos de realizar las pruebas para furnas usando nuestros G. A. y para efectos de comparación lo estamos programando en GAMS

Una vez hecho esto iniciaremos las pruebas con las otra 2 técnicas: Estrategias Evolutivas y Algoritmo Flexible. Y para esto cambiaremos nuestras soluciones existentes a Visual Studio 2005 y los afinaremos para quitar todos warnings que omitía el VS 6.0