Resumen

Durante las últimas décadas, los algoritmos evolutivos (EAs) han sido ampliamente adoptados para resolver problemas de optimización complejos. Sin embargo, los EAs son incapaces de desafiar los problemas de optimización restringida (COPs) porque no actúan directamente para reducir las violaciones de restricciones de los problemas restringidos. En este artículo, la ventaja de optimización global robusta del algoritmo de colonia de abejas artificial (ABC) y la característica de cálculo menor estable de la estrategia de consenso de restricciones (CC) para COPs se integran en un nuevo algoritmo heurístico híbrido, llamado ABCCC. La estrategia CC es bastante efectiva para reducir rápidamente las violaciones de restricciones durante el proceso de búsqueda evolutiva. El rendimiento del ABCCC propuesto se verifica mediante un conjunto de problemas de referencia restringidos comparando con dos EAs basados en CC de última generación, incluida la optimización por enjambre de partículas basada en CC (PSOCC) y la evolución

• Materias:Teoría de juegos Rectángulo dorado Modelo administrativo Sistemas dinámicos de gestión
• Subjects:Game theory Golden rectangle Administrative model Dynamic management systems
• Palabras claves:Algoritmos evolutivos; Problemas de optimización restringida; Colonia artificial de abejas; Consenso de restricciones; Algoritmo heurístico híbrido; Problemas de referencia
• Keywords:Evolutionary algorithms; Constrained optimization problems; Artificial bee colony; Constraint consensus; Hybrid heuristic algorithm; Benchmark problems