Resumen

Este trabajo propone un algoritmo de inteligencia de enjambre, llamado algoritmo de apareamiento de luciérnagas (FMA), para resolver problemas de optimización continua. El FMA utiliza el algoritmo genético como núcleo del algoritmo. La principal característica del algoritmo es un novedoso método de selección de parejas de apareamiento que se inspira en los siguientes 2 comportamientos de apareamiento de las luciérnagas en la naturaleza: (i) la atracción mutua entre machos y hembras hace que se apareen y (ii) las luciérnagas de ambos sexos son del tipo de apareamiento múltiple, apareándose con múltiples parejas del sexo opuesto. Una hembra sigue apareándose hasta que su espermateca se llena y, en la misma línea, un macho puede proporcionar esperma a varias hembras hasta que su reserva de esperma se agota. Esta nueva característica mejora la capacidad de convergencia global del algoritmo. El rendimiento de FMA se probó con 20 funciones de referencia (dieciséis funciones de 30 dimensiones y cuatro de 2 dimensiones) frente a los algoritmos FA, ALC-PSO, COA, MCPSO, LWGSODE, MPSODDS, DFOA, SHPSOS, LSA, MPDPGA, DE y GABC. Los resultados experimentales mostraron que las tasas de éxito de nuestro algoritmo propuesto con estas funciones eran más altas que las de otros algoritmos y el algoritmo propuesto también requería un menor número de iteraciones para alcanzar el óptimo global.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:algoritmo, algoritmo propuesto, métodos de selección de parejas, número de iteración, algoritmo de inteligencia de enjambre, rendimiento de fma, comportamiento de firefly, problema de optimización continua, capacidad de convergencia global, parejas de sexo opuesto
• Keywords:algorithm, proposed algorithm, pair selection methods, number of iteration, swarm intelligence algorithm, performance of fma, behavior of firefly, continuous optimization problem, global convergence capabilities, opposite sex partners