Hasta el momento hemos estado utilizando la media mensual del caudal afluente, de 30 años de datos, para realizar las diferentes pruebas y experimentos en los diferentes métodos.

Para este experimento vamos a utilizar los caudales afluentes en Paute de los últimos 10 años que tenemos, para variar la entrada y verificar que tan sensible es la salida realizando estas variaciones.

Los datos que utilizaremos son estos.

Las salidas obtenidas son las siguientes:

Lo que da a notar que la salida es muy sensible a la entrada.

Para finalizar esta parte, verificaremos los resultados usando Algoritmos Evolutivos Flexibles, usando una población élite fija del 10%. Y solo con 100 generaciones.

Aunque el turbinamiento es bastante similar, el nivel de la presa variamucho entre cada iteración, mucho más que los otro dos métodos.

Luego de esto procedimos a probar haciendo una ejecución 1.000 generaciones y pudimos comrpobar que aunque tardó cerca de 2 horas, en la generación 670 el costo obtenido era de $ 1'260.380,22' muy cercano al valor obtenido en los G. A.

Hasta el momento hemos hemos terminado exitosamente la 3ra parte de nuestro proyecto SENACYT, y en estos pocos días los vamos a dedicar a afinar nuestros métodos de optimización: Algoritmos Genéticos, Estrategias Evolutivas y Algoritmos Evolutivos Flexibles.

Con este fin vamos a experimentar en cada uno de ellos hasta encontrar la resonancia de cada uno de ellos. Resonancia es determinar los valores adecuados de las variables de los métodos (# de individuos, cantidad de generaciones), de tal manera que cada vez que se ejecute el método con los mismos datos el resultado sea el mismo o muy similar.

Al revisar los métodos se pudo comprobar que no se lo dejaba trabajar de forma natural, ya que, estábamos eliminando a todos los infactibles desde la población inicial así como en las generaciones siguientes. Por lo cual no podemos medir con precisión la Resonancia, por lo que se van a modificar los métodos para dejar los infactibles, pero si se los va a clasificar usando una función de penalización.

Con la nueva variante, % de elitismo variable, pretendemos obtener una solución más robusta. Además vamos a realizar experimentaciones para determinar nuevamente cuales son las mejores condiciones que se adaptan a esta modalidad.