Resumen

Se propone la introducción de un método de programación genética híbrida (hGP) en el ajuste y la previsión de los datos de penetración de la banda ancha. El hGP utiliza algunos modelos de difusión conocidos, como los de Gompertz, Logístico y Bass, en la población inicial de las soluciones para acelerar el algoritmo. Los modelos de soluciones producidos por el hGP se utilizan para ajustar y predecir la adopción de la penetración de la banda ancha. Investigamos el rendimiento de ajuste de la hGP, y utilizamos la hGP para predecir la penetración de la banda ancha en los países de la OCDE (Organización para la Cooperación y el Desarrollo Económico). Los resultados de los modelos de difusión optimizados se comparan con los de los modelos generados por la hGP. La comparación indica que el hGP consigue generar soluciones con indicadores estadísticos de alto rendimiento. El hGP coopera con los modelos de difusión existentes, permitiendo así múltiples enfoques de previsión. El algoritmo modificado se implementa en el lenguaje de programación Python, que es rápido en tiempo de ejecución, compacto y fácil de usar.

• Materias:Algoritmos (Matemáticas) Técnica heurística Inventario Banda Ancha
• Subjects:Agorithms (Math) Metaheuristic technique Inventory Broadband
• Palabras claves:penetración de la banda ancha, hgp, métodos de programación genética, adopción de la banda ancha, datos de penetración de la banda ancha, lenguaje de programación python, modelo de difusión optimizado, modelo de difusión conocido, modelo de soluciones producidas, enfoque múltiple
• Keywords:broadband penetration, hgp, genetic programming methods, adoption of broadband, broadband penetration data, python programming language, optimized diffusion model, known diffusion model, produced solutions model, multiple approach