Resumen

El algoritmo de búsqueda Backtracking (BSA) es un algoritmo evolutivo relativamente nuevo, que tiene un buen rendimiento de optimización al igual que otros algoritmos basados en poblaciones. Sin embargo, también hay una insuficiencia en BSA con respecto a su velocidad de convergencia y precisión de convergencia. Para resolver el problema mostrado en BSA, este artículo propone un BSA mejorado llamado COBSA. Inspirado en el algoritmo de optimización por enjambre de partículas (PSO), se añade un factor de control poblacional a la ecuación de variación con el objetivo de mejorar la velocidad de convergencia del BSA, de forma que el algoritmo tenga una mayor capacidad para escapar del óptimo local. Además, inspirándose en el algoritmo de evolución diferencial (ED), este artículo propone una nueva ecuación evolutiva basada en el hecho de que el grupo desfavorecido buscará justo alrededor del mejor individuo elegido en la iteración anterior para mejorar la capacidad de búsqueda local. Los experimentos de simulación basados en un conjunto de 18 funciones de referencia muestran que, en general, COBSA muestra una superioridad obvia en velocidad de convergencia y precisión de convergencia cuando se compara con BSA y los algoritmos de comparación.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Algoritmo de búsqueda de rastreo; BSA; rendimiento de optimización; velocidad de convergencia; precisión de convergencia; COBSA
• Keywords:Backtracking search algorithm; BSA; optimization performance; convergence speed; convergence precision; COBSA