Introduccion sistema pesquero aplicando sistemas multi-agente

Solo disponible en BuenasTareas
  • Páginas : 5 (1048 palabras )
  • Descarga(s) : 0
  • Publicado : 27 de octubre de 2010
Leer documento completo
Vista previa del texto
INTRODUCCIÓN

Históricamente el estudio de la actividad pesquera ha perseguido generar conocimiento científico acerca del entendimiento de los factores que afectan la historia de vida y la abundancia de los inventarios. Este evento ha requerido como hecho obligado, de investigaciones de tipo biológico que regularmente colectan datos acerca de la captura y el esfuerzo (entendido como la magnitudtotal de la actividad pesquera en la zona de pesca durante un período de tiempo); de medidas de tipo biológico; y del desarrollo de análisis bioestadísticos para una variedad de especies que se hallan dentro de planes de gestión o no, y que abarcan peces e invertebrados (NOAA, 2007).

En este sentido, se ha estimado la existencia de 3 categorías para una evaluación correcta de los stockspesqueros como son (i) las tendencias en la abundancia relativa de las poblaciones de peces, (ii) la captura total y (iii) datos sobre la historia de vida (crecimiento, madurez, y mortalidad), todo esto de acuerdo a la cantidad de peces nacidos (oferta) y a la cantidad de peces muertos (demanda), ya sea por muerte natural o capturados por las flotas pesqueras (usuarios). El resultado de laimplementación de tales categorías, ha conllevado a la producción de información de tipo cuantitativo que se combinan en modelos matemáticos (Haddon, 2001) en busca de la obtención de estadísticas vitales, tales como tendencias históricas y recientes en el numero y biomasa del recurso, el numero de peces jóvenes que ingresan a la pesquería cada año (reclutamiento), y la fracción de la población que sobreviveal iniciar el año y muere producto de la pesca (tasa de explotación) (Hilborn y Walters, 1992). Sin embargo, muchos de los métodos aplicados en tales modelaciones han sido, aparentemente, dependientes en gran medida de la disponibilidad de los datos, por lo que las predicciones a largo y corto plazo estarían influenciadas por la cantidad de información (Cortes, 1998).

En este sentido, nuevosenfoques como la modelación y simulación computacionalmente soportada en la teoría multi-agente ha surgido como una alternativa promisoria e integradora de los diferentes aspectos biológicos, económicos y sociales de las pesquerías que al ser vistas como “sistemas socio-ambientales”, puede potencialmente enfocarse en la solución de preguntas como (Janssen y Ostrom, 2005): (i) Qué condicionesfavorecen las soluciones cooperativas para un numero masivo de dilemas sociales?, pregunta relacionada con la prevención de sobre-explotación del recurso común; (ii) Cómo agentes económicos toman decisiones más efectivas y robustas dada la incertidumbre fundamental de la complejidad dinámica del sistema?; (iii) Cómo pueden ser explícitamente incluidas las interacciones topológicas entre actores dadala importancia de las interacciones para un entendimiento de la dinámica del recurso?
Bajo esta perspectiva es notorio que el enfoque multi-agente puede ser especialmente útil en la investigación en el ámbito pesquero, como lo han demostrado algunas aproximaciones recientes, aunque escasas, que han intentado abordar la problemática de la gestión pesquera de forma más completa (Soulié yThébaud, 2006), al considerar que la explotación sostenible de una pesquería debe ir más allá de tener «peces en el agua y gente en botes », del estudio de especies comercialmente importantes, y de una gestión direccionada únicamente a los procesos de captura.

Los agentes nacieron de la investigación en Inteligencia Artificial (IA) y más concretamente de la Inteligencia Artificial Distribuida (DIA).Al principio, la IA hablaba de los agentes como programas especiales cuya naturaleza y construcción no se llegaba a detallar. Recientemente se ha escrito mucho acerca de este tema explicando qué se puede entender por un agente y qué no, en general atendiendo a características que debe tener un agente: autonomía, reactividad, iniciativa, habilidad social, etc.

Los SMA tienen un amplio rango...
tracking img