Resumen

La cría integrada de arroz y patos es un paso eficaz en el contexto actual del desarrollo sostenible. Para obtener mayores beneficios económicos y ecológicos, se establece y mantiene un agroecosistema arroz-pato en el que los arrozales, el arroz y los patos se fomentan mutuamente. Sin embargo, la densidad de patos y el tiempo de carga del complejo deben seleccionarse racionalmente. Con el fin de lograr una evaluación cuantitativa y una selección óptima de la densidad de patos y de la carga ganadera compleja en este tipo de sistemas, se aborda una metodología basada en modelos matemáticos propuestos en términos de beneficios económicos y ecológicos comparativos. A continuación, los modelos se resuelven mediante un algoritmo inteligente híbrido NN-GA que integra las Redes Neuronales (NN) y el Algoritmo Genético (GA), haciendo uso de la capacidad de ajuste en contexto de aptitud no lineal de las Redes Neuronales y de la capacidad de optimización del Algoritmo Genético. Además, se muestran ejemplos numéricos para poner a prueba los modelos propuestos. Los resultados revelan que la metodología es razonable y viable.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:tiempo de carga complejo, algoritmo genético, redes neuronales, densidad de patos, beneficios ecológicos, algoritmo inteligente híbrido nn, contexto de aptitud no lineal, antecedentes de desarrollo sostenible, pato, metodología
• Keywords:complex stocking time, genetic algorithm, neural networks, duck density, ecological benefits, hybrid intelligent algorithm nn, nonlinear fitness context, sustainable development background, duck, methodology