Resumen

Se ha observado que la estructura del algoritmo de optimización de ballenas (WOA, por sus siglas en inglés) es buena para la capacidad de explotación, pero sufre fácilmente de convergencia prematura. Las metaheurísticas híbridas son una de las tendencias más interesantes recientes para mejorar el rendimiento de WOA. En este artículo, se diseña un marco de algoritmo híbrido con características de aprendizaje y fusión complementaria para WOA, llamado hWOAlf. Primero, WOA se integra con operadores de características complementarias para mejorar la capacidad de exploración. Segundo, el marco de algoritmo propuesto adopta un parámetro de aprendizaje según un operador de ajuste adaptativo para reemplazar el parámetro aleatorio. Para verificar aún más la eficiencia del hWOAlf, se incrustan en WOA el operador DE/rand/1 de evolución diferencial (DE) y el operador de mutación del algoritmo de optimización de búsqueda de retroceso (BSA), respectivamente, para formar dos nuevos algoritmos

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Algoritmo; WOA; Híbrido; Metaheurísticas; Eficiencia; Rendimiento
• Keywords:Algorithm; WOA; Hybrid; Metaheuristics; Efficiency; Performance