Resumen

Este artículo presenta un nuevo algoritmo de optimización, llamado optimización jerárquica de colonia artificial de abejas (HABC, por sus siglas en inglés), para la segmentación de imágenes de umbral multilevel, que emplea un conjunto de estrategias óptimas de forrajeo para extender el marco clásico de la colonia artificial de abejas a una forma cooperativa y jerárquica. En el modelo jerárquico propuesto, la especie de nivel superior incorpora un mecanismo mejorado de intercambio de información basado en el operador de cruce para mejorar la capacidad de búsqueda global entre especies. En el nivel inferior, con el enfoque de dividir y conquistar, cada subpoblación ejecuta el método ABC original en paralelo para el óptimo de parte dimensional, que puede ser agregado en una solución completa para el nivel superior. Los resultados experimentales al comparar HABC con varios algoritmos exitosos de EA y SI en un conjunto de benchmarks demostraron la efectividad del algoritmo propuesto. Además, aplicamos el HABC al problema de segmentación de

• Materias:Sistemas no lineales Dinámica no lineal Red de tráfico dinámico Algoritmo alométrico Sistema conmutado
• Subjects:Nonlinear systems Nonlinear dynamics Dynamic traffic network Allometric algorithm Switched system
• Palabras claves:Algoritmo de optimización; Jerárquico; Colonia artificial de abejas; Segmentación de imágenes; Capacidad de búsqueda global; Resultados experimentales
• Keywords:Optimization algorithm; Hierarchical; Artificial bee colony; Image segmentation; Global search ability; Experimental results