Resumen

En los últimos años, los algoritmos metaheurísticos han revolucionado el mundo por su mayor capacidad para resolver problemas. Todo algoritmo metaheurístico consta de dos fases: exploración y explotación. La capacidad del algoritmo para resolver un problema de optimización difícil depende de la eficacia de estas dos fases. Estas dos fases están unidas por un mecanismo puente, que desempeña un papel importante. Este artículo presenta una aplicación de mapas caóticos para mejorar el mecanismo de puente del Algoritmo de Optimización Grasshopper (GOA) mediante la incrustación de 10 mapas diferentes. Este experimento evoluciona 10 variantes caóticas diferentes de GOA, y se denominan Algoritmos de Optimización de Saltamontes Caóticos Mejorados (ECGOAs). El rendimiento de estas variantes se prueba con diez funciones de referencia unimodales y multimodales desplazadas y sesgadas. Además, se han evaluado las aplicaciones de estas variantes en problemas de diseño de celosías de tres barras y en problemas de estimación de parámetros de síntesis de sonido de frecuencia modulada. Los resultados revelan que el mecanismo caótico mejora el rendimiento de GOA. Además, los resultados de la prueba de suma de rangos de Wilcoxon también demuestran la eficacia de las variantes propuestas.

• Materias:Máquina de vectores Estudio numérico Controlador Método computacional Modelado matemático
• Subjects:Vector machine Numerical study Controller Computational method Mathematical modeling
• Palabras claves:GOA, fases, variantes, algoritmos de optimización de saltamontes caóticos mejorados, prueba de suma de rangos de Wilcoxon, problema de diseño de armaduras de barras, problema de estimación de parámetros de síntesis de sonido, algoritmo de optimización de saltamontes, diferentes variantes caóticas, problema de optimización difícil.
• Keywords:GOA, phases, variants, Enhanced Chaotic Grasshopper Optimization Algorithms, Wilcoxon rank sum test, bar truss design problem, sound synthesis parameter estimation problem, Grasshopper Optimisation Algorithm, different chaotic variants, difficult optimization problem