Resumen

El algoritmo de optimización de búsqueda por retroceso (BSA) es un algoritmo evolutivo basado en poblaciones para problemas de optimización numérica. El BSA tiene una potente capacidad de exploración global mientras que su capacidad de explotación local es relativamente pobre. Esto afecta a la velocidad de convergencia del algoritmo. En este trabajo, proponemos un BSA modificado inspirado en el recocido simulado (BSAISA) para superar la deficiencia del BSA. En el BSAISA, el factor de control de amplitud (F) se modifica basándose en el criterio de Metrópolis en el recocido simulado. El F rediseñado puede disminuirse de forma adaptativa a medida que aumenta el número de iteraciones y no introduce parámetros adicionales. Se utiliza un método autoadaptativo con restricciones ε para manejar las restricciones estrictas. Comparamos el rendimiento del BSAISA propuesto con el BSA y otros algoritmos conocidos al resolver trece puntos de referencia con restricciones y cinco problemas de diseño de ingeniería. Los resultados de la simulación demostraron que BSAISA es más eficaz que BSA y más competitivo con otros algoritmos conocidos en términos de velocidad de convergencia.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:algoritmo conocido, velocidad de convergencia, número de iteración, capacidad de exploración global, problema de optimización numérica, capacidad de explotación local, deficiencia de bsa, algoritmo evolutivo basado, términos de convergencia, bsaisa
• Keywords:known algorithm, convergence speed, number of iteration, global exploration capacity, numerical optimization problem, local exploitation capabilities, deficiency of bsa, based evolutionary algorithm, terms of convergence, bsaisa