Resumen

En este trabajo se emplea un nuevo algoritmo metaheurístico de optimización, denominado búsqueda en redes sociales (SNS), para resolver problemas mixtos de optimización de ingeniería continua/discreta. El algoritmo SNS imita los esfuerzos del usuario de la red social para ganar más popularidad modelando los estados de ánimo de decisión al expresar sus opiniones. Cuatro estados de ánimo de decisión, incluyendo la imitación, la conversación, la disputa y la innovación, son comportamientos del mundo real de los usuarios en las redes sociales. Estos estados de ánimo se utilizan como operadores de optimización que modelan cómo los usuarios se ven afectados y motivados para compartir sus nuevas opiniones. El algoritmo SNS se verificó con 14 problemas de optimización de ingeniería de referencia y una aplicación real en el campo de la teledetección. El rendimiento del método propuesto se compara con varios algoritmos para mostrar su eficacia frente a otros optimizadores conocidos en términos de coste computacional y precisión. En la mayoría de los casos, las soluciones óptimas alcanzadas por el SNS son mejores que la mejor solución obtenida por los métodos existentes.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:problema de optimización de ingeniería, estado de ánimo de la decisión, imitación del algoritmo sn, usuario de la red social, algoritmo de optimización metaheurístico, comportamiento del usuario, búsqueda de la red social, mejores soluciones, soluciones óptimas, nueva visión
• Keywords:engineering optimization problem, decision mood, sn algorithm mimic, social network user, metaheuristic optimization algorithm, behavior of user, social network search, best solutions, optimal solutions, new view