Resumen

El algoritmo de optimización de enjambre de partículas multiobjetivo propuesto recientemente, basado en el mecanismo de competencia, no puede tratar eficazmente los problemas de optimización multiobjetivo, que se caracterizan por una convergencia y una diversidad relativamente pobres, y por un largo tiempo de ejecución computacional. En este trabajo se propone un nuevo algoritmo de optimización de enjambre de partículas multiobjetivo basado en el mecanismo de competencia, que mantiene la diversidad de la población mediante el ángulo máximo y mínimo entre los individuos ordinarios y los extremos. Y se adopta la recientemente propuesta θ-dominancia para mejorar aún más el rendimiento del algoritmo. El algoritmo propuesto se evalúa en los problemas de referencia estándar DTLZ, WFG y UF1-9 y se compara con los cuatro algoritmos de optimización multiobjetivo de enjambre de partículas recientemente propuestos y con cuatro algoritmos de optimización evolutiva multiobjetivo de última generación. Los resultados experimentales indican que el algoritmo propuesto tiene una mejor convergencia y diversidad, y su rendimiento es superior a otros algoritmos comparativos en la mayoría de las instancias de prueba.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:algoritmo de optimización de enjambre, algoritmo propuesto, mecanismo de competencia algoritmo, enjambre de partículas de objetivos, problema de referencia estándar, problema de optimización de objetivos, algoritmo de optimización evolutiva, problema de referencia dtlz, mejor convergencia, algoritmo comparativo
• Keywords:swarm optimization algorithm, proposed algorithm, competition mechanism algorithm, objectives particles swarm, standard benchmark problem, objectives optimization problem, evolutionary optimization algorithm, benchmark problem dtlz, better convergence, comparative algorithm