Resumen

Los científicos computacionales han diseñado muchos algoritmos útiles explorando un proceso biológico o imitando la evolución natural. Estos algoritmos pueden utilizarse para resolver problemas de optimización en ingeniería. Inspirándonos en el cambio de estado de la materia, propusimos un novedoso algoritmo de optimización denominado algoritmo de evolución de partículas de nube diferencial basado en el mecanismo impulsado por datos (CPDD). En el algoritmo propuesto, el proceso de optimización se divide en dos etapas, a saber, la etapa de fluidos y la etapa de sólidos. El algoritmo lleva a cabo la estrategia de integrar la exploración global con la explotación local en la etapa de fluidos. Además, la explotación local se lleva a cabo principalmente en la etapa de sólidos. La calidad de la solución y la eficacia de la búsqueda están muy influidas por los parámetros de control. Por lo tanto, el mecanismo impulsado por los datos está diseñado para obtener mejores parámetros de control que garanticen un buen rendimiento en los problemas numéricos de referencia. Para verificar la eficacia de la CPDD, se realizan experimentos numéricos con todas las funciones de referencia del concurso CEC2014. Por último, se examinan dos problemas de aplicación de la red neuronal artificial. Los resultados experimentales muestran que la CPDD es competitiva respecto a otros ocho algoritmos de optimización inteligente de última generación.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:Explotación local, etapa fluida, etapa sólida, mecanismo impulsado, mejores parámetros de control, algoritmo de evolución de partículas, evolución de partículas en la nube, red neuronal artificial, cambio de materia, algoritmo de optimización inteligente
• Keywords:local exploitation, fluid stage, solid stage, driven mechanism, better control parameters, particles evolution algorithm, cloud particles evolution, artificial neural network, change of matter, intelligent optimization algorithm