Resumen

En este estudio, se propone una optimización mejorada de enjambre de partículas (IEPSO) sobre la base del principio de la última eliminación para resolver problemas de optimización en el diseño de ingeniería. Durante la optimización, el IEPSO mejora la comunicación de información entre las poblaciones y mantiene la diversidad de la población para superar las limitaciones de los algoritmos de optimización clásicos en la resolución de problemas de optimización de ingeniería multiparamétricos, de fuerte acoplamiento y no lineales. Estas limitaciones incluyen la convergencia avanzada y la tendencia a caer fácilmente en la optimización local. Se analizan los parámetros que intervienen en el término importado de "intercambio de información local-global" y se determina el principio de selección de parámetros para el rendimiento. A continuación, se comprueban los rendimientos del IEPSO y de los algoritmos de optimización clásicos utilizando múltiples conjuntos de funciones clásicas para verificar el rendimiento de la búsqueda global del IEPSO. Los resultados de las pruebas de simulación y los de los algoritmos de optimización clásicos mejorados se comparan y analizan para verificar el rendimiento avanzado del algoritmo IEPSO.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:algoritmo de optimización clásica, iepso, problema de optimización en ingeniería, resultados de pruebas de simulación, intercambio de información global, rendimiento de búsqueda global, principios de parámetros, optimización local, principios eliminados, función clásica
• Keywords:classical optimization algorithm, iepso, engineering optimization problem, simulation test results, global information sharing, global search performance, principles of parameters, local optimization, eliminated principles, classical function