Resumen

En un algoritmo de optimización por enjambre de partículas multiobjetivo, la selección de la mejor partícula global para cada partícula de la población a partir de un conjunto de soluciones óptimas de Pareto tiene un impacto significativo en la convergencia y diversidad de las soluciones, especialmente al optimizar problemas con un gran número de objetivos. En este artículo se introduce un nuevo método para seleccionar la mejor partícula global, que es la distancia mínima de punto a línea en la optimización por enjambre de partículas multiobjetivo (MDPL-MOPSO). Utilizando el concepto básico de distancia mínima de punto a línea y objetivo, se puede seleccionar la mejor partícula global entre los miembros del archivo. Se utilizaron diferentes funciones de prueba para probar y comparar MDPL-MOPSO con CD-MOPSO. Los resultados muestran que la convergencia y diversidad de MDPL-MOPSO son relativamente mejores que las de CD-MOPSO. Finalmente, el algoritmo de optimización por enjambre de partículas multiobjetivo propuesto se utiliza para el diseño óptimo

• Materias:Control de vibraciones Correlación de Vibraciones Sistema de amortiguación Aceleración vibratoria Detección de fallas
• Subjects:Vibration control Vibration Correlation Damping System Vibration Acceleration Fault Detection
• Palabras claves:Optimización por enjambre de partículas; Partícula con el mejor valor global; Soluciones óptimas de Pareto; Convergencia; Diversidad; Multiobjetivo
• Keywords:Particle swarm optimization; Global best particle; Pareto optimal solutions; Convergence; Diversity; Multiobjective