Identificación eficiente de componentes fuertemente conexas en la causalización de grandes modelos orientados a objetos

Autores/as

  • Denise Marzorati Universidad Nacional de Rosario, Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), Argentina
  • Joaquín Fernández Universidad Nacional de Rosario, Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), Argentina
  • Ernesto Kofman Universidad Nacional de Rosario, Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), Argentina

Palabras clave:

modelos a gran escala, componentes fuertemente conexas, ecuaciones algebraico-diferenciales, Modelica

Resumen

Este artículo describe un algoritmo para encontrar componentes fuertemente conexas (CFC) de grafos dirigidos que presentan patrones repetitivos en su estructura. Dichos grafos pueden ser definidos de manera compacta utilizando Set-Based Graphs (SBG). Aprovechando esta representación, el costo computacional del algoritmo propuesto no varia al incrementar la cantidad de vértices y aristas presentes en el mismo patrón.
Su principal aplicación es la detección de lazos algebraicos durante la causalización de modelos orientados a objetos que cuentan con arreglos de variables y ecuaciones. De este modo el algoritmo propuesto preserva y retorna un resultado compacto, lo cual es útil para generar código de simulación eficiente.
Además de presentar el algoritmo en cuestión, el artículo incluye resultados teóricos relativos a su complejidad computacional. Por último se analiza el rendimiento real del algoritmo en dos modelos con distintos tipos de lazos algebraicos.

Descargas

Publicado

2025-12-12

Cómo citar

Marzorati, D., Fernández, J., & Kofman, E. (2025). Identificación eficiente de componentes fuertemente conexas en la causalización de grandes modelos orientados a objetos. JAIIO, Jornadas Argentinas De Informática, 11(15), 208-222. https://revistas.unlp.edu.ar/JAIIO/article/view/20358