Resumen

La búsqueda de armonía (HS) fue introducida en 2001 como un algoritmo de optimización heurística basado en poblaciones. Desde entonces, la HS se ha convertido en una alternativa popular a otros algoritmos heurísticos como el recocido simulado y la optimización por enjambre de partículas. Sin embargo, se identificaron algunas deficiencias, como la necesidad de ajuste de parámetros, las cuales han sido objeto de estudio en mucha investigación durante los últimos 10 años. Se desarrollaron muchas variantes de HS para abordar algunas de estas deficiencias, y la mayoría de ellas han logrado mejoras sustanciales. En este artículo comparamos el rendimiento de tres variantes recientes de HS: búsqueda de armonía exploratoria, búsqueda de armonía autoadaptativa y búsqueda de mejor local dinámica. Comparamos la precisión de estos algoritmos utilizando un conjunto de funciones de referencia de optimización bien conocidas que incluyen problemas unimodales y multimodales. Las observaciones de esta comparación nos llevaron a diseñar un nuevo híbrido que combina los mejores

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Búsqueda de armonía; Algoritmo heurístico; Ajuste de parámetros; Variantes; Funciones de evaluación de optimización; Híbrido
• Keywords:Harmony search; Heuristic algorithm; Parameter tuning; Variants; Optimisation benchmark functions; Hybrid