Resumen

Proponemos un algoritmo híbrido basado en el algoritmo de estimación de distribución (EDA, por sus siglas en inglés) y el método del simplex de Nelder-Mead (NM) para resolver una clase de problemas de programación bilineal no lineales donde el problema de los seguidores es lineal con respecto a la variable del nivel inferior. La programación bilineal es un problema de optimización NP-duro, para el cual se aplica EDA-NM como una nueva herramienta con el objetivo de obtener soluciones óptimas globales de dicho problema. De hecho, EDA-NM es muy fácil de implementar ya que no requiere información de gradientes. Además, el algoritmo híbrido tiene la intención de producir una convergencia más rápida y precisa. En el enfoque propuesto, para una variable de nivel superior fija, utilizamos las condiciones de optimalidad de la programación lineal para tratar el problema de los seguidores y obtener su solución óptima. Además, la función objetivo de los líderes se toma como la función de aptitud. Basándonos en estos esqu

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Algoritmo híbrido; Algoritmo de estimación de distribución; Método del simplex de Nelder-Mead; Programación no lineal a dos niveles; Soluciones óptimas globales; Convergencia.
• Keywords:Hybrid algorithm; Estimation of distribution algorithm; Nelder-Mead simplex method; Nonlinear bilevel programming; Global optimal solutions; Convergence.