Resumen

El Algoritmo de Búsqueda Gravitacional (GSA) es un algoritmo metaheurístico ampliamente utilizado. Aunque se ajustaron menos parámetros en GSA, este tiene una tasa de convergencia lenta. En este documento, cambiamos los coeficientes de aceleración constante para que sean una función exponencial basada en la combinación de GSA y PSO (PSO-GSA) y proponemos un algoritmo PSO-GSA mejorado (escrito como I-PSO-GSA) para resolver dos tipos de clasificaciones: la calidad del agua superficial y la dirección de movimiento de los robots. Se emplea I-PSO-GSA para optimizar los pesos y sesgos de la red neuronal de retropropagación (BP). Los resultados experimentales muestran que, en comparación con la combinación de PSO y GSA (PSO-GSA), PSO individual y GSA individual para optimizar los parámetros de la red neuronal BP, I-PSO-GSA supera a PSO-GSA, PSO y GSA, y tiene una mejor precisión de clasificación para estos dos problemas reales

• Materias:Cinemática Control estocástico Ecuaciones diferenciales parciales Transmisión de dispersión Vibraciones
• Subjects:Kinematics Stochastic control Partial differential equations Dispersion transmission Vibrations
• Palabras claves:Algoritmo de búsqueda gravitacional; Algoritmo metaheurístico; Función exponencial; PSO-GSA; Red neuronal de retropropagación; Precisión de clasificación
• Keywords:Gravitational search algorithm; Metaheuristic algorithm; Exponential function; PSO-GSA; Backpropagation neural network; Classification accuracy