La selección de proveedores verdes tiene como objetivo la elección del mejor proveedor, entre varias alternativas, teniendo en cuenta no solo criterios tradicionales como el costo y la calidad del servicio o producto, sino considerando también la capacidad de producir estos productos o servicios cumpliendo estándares o regulaciones ambientales y con el menor impacto en el medio ambiente. En contextos reales de selección verde, en ocasiones no basta con una única evaluación estática de los proveedores y se necesita considerar la evolución de los proveedores en diferentes momentos y por supuesto algunos parámetros no son constantes en el tiempo, más bien son dinámicos y varían de un período a otro. En consecuencia, las decisiones acerca de los proveedores tienen lugar en un entorno dinámico, donde la decisión final se toma luego de un proceso de exploración. Además, la información disponible es vaga o imprecisa que no implica la incertidumbre probabilística. En tales situaciones, el uso del modelo lingüístico 2-tupla proporciona una forma adecuada para representar las evaluaciones lingüísticas por medio de variables lingüísticas y modelar la incertidumbre. En este trabajo, la atención principal se centra en encontrar el proveedor adecuado utilizando un enfoque de toma de decisiones multicriterio y multiperíodo, basado en el modelo computacional 2-tupla lingüística.

Afforestation can mitigate the export of water, sediment, and dissolved or adsorbed contaminants to river systems, but identifying effective intervention sites requires accounting for multiple flow-related criteria and their spatial interactions. This paper presents a multi-criteria heuristic approach that extends CAMF (Cellular Automata-based Heuristic for Minimizing Flow), originally designed to select cells from a rasterized landscape for interventions that minimize sediment yield at target sites. We integrated the Distance-to-Ideal-Point (DIST2IP) algorithm in CAMF, enabling the selection of cells where intervention can minimize two or more flows simultaneously. The multi-criteria CAMF was applied ex post to the radioactively contaminated Niida river catchment, Fukushima prefecture, Japan, to identify 1,000 cells within decontaminated zones where immediate afforestation would have maximally reduced both sediment and residual ¹³⁷Cs export. The 1,000 best cells selected by DIST2IP, representing 4% of the decontaminated cells, would have reduced sediment export by 22% and ¹³⁷Cs export by 6%. Selected cells are within the union of cells identified by the two single-criteria optimizations and are predominantly close to water bodies, confirming that blocking flow paths before they connect to the river system is most effective.

Comprender la intención de búsqueda del usuario permite identificar y extraer los resultados de búsqueda más relevantes y personalizados de la información disponible según sus necesidades. En el presente artículo se plantea un algoritmo para la recuperación de información relevante que combina las preferencias del perfil del usuario y la expansión de consulta para obtener resultados de búsqueda relevantes y personalizados. El proceso de recuperación de información se valida mediante las métricas de Precision, Recall y Mean Average Precision (MAP) aplicadas a un conjunto de datos que contiene los documentos estandarizados y los perfiles de preferencias. Los resultados permitieron demostrar que el algoritmo mejora el proceso de recuperación de información al arrojar documentos con mejor calidad y relevancia según las necesidades de los usuarios.

Afforestation can mitigate the export of water, sediment, and dissolved or adsorbed contaminants to river systems, but identifying effective intervention sites requires accounting for multiple flow-related criteria and their spatial interactions. This paper presents a multi-criteria heuristic approach that extends CAMF (Cellular Automata-based Heuristic for Minimizing Flow), originally designed to select cells from a rasterized landscape for interventions that minimize sediment yield at target sites. We integrated the Distance-to-Ideal-Point (DIST2IP) algorithm in CAMF, enabling the selection of cells where intervention can minimize two or more flows simultaneously. The multi-criteria CAMF was applied ex post to the radioactively contaminated Niida river catchment, Fukushima Prefecture, Japan, to identify 1000 cells within decontaminated zones where the then immediate afforestation would have maximally reduced both sediment and residual ¹³⁷Cs export. The 1000 best cells selected by DIST2IP, representing 4% of the decontaminated cells, would have reduced sediment export by 22% and ¹³⁷Cs export by 6%. Selected cells are within the union of cells identified by the two single-criteria optimizations and are predominantly close to water bodies, confirming that blocking flow paths before they connect to the river system is most effective.