Resumen

Recientemente, Gandomi y Alavi propusieron un novedoso método de inteligencia de enjambre, llamado manada de krill (KH), para la optimización global. Para mejorar el rendimiento del método KH, en este artículo se propone un nuevo método de manada de krill basado en recocido simulado (SKH) para tareas de optimización. Se utiliza un nuevo operador de selección de krill (KS) para refinar el comportamiento del krill al actualizar su posición con el fin de mejorar su fiabilidad y robustez al enfrentarse a problemas de optimización. El operador KS introducido implica una estrategia codiciosa y acepta algunas soluciones no tan buenas con una baja probabilidad, originalmente utilizada en el recocido simulado (SA). Además, se utiliza un esquema de elitismo para guardar a los mejores individuos en la población durante el proceso de actualización del krill. Los méritos de estas mejoras se verifican mediante catorce funciones de referencia estándar y los resultados experimentales muestran que, en la mayoría de los casos, el rendimiento de este método SKH

• Materias:Ecuaciones diferenciales Dinámica de fragmentación Medios porosos Circuito abierto
• Subjects:Differential equations Fragmentation dynamics Porous media Open circuit
• Palabras claves:Propuesto; Método de inteligencia de enjambre; Manada de krill; Metaheurística; Recocido simulado; Tareas de optimización
• Keywords:Proposed; Swarm intelligent method; Krill herd; Meta-heuristic; Simulated annealing; Optimization tasks