Resumen

El algoritmo de evolución diferencial (DE) es uno de los algoritmos de optimización estocástica de parámetros reales más potentes. Los estudios teóricos sobre DE han ido atrayendo gradualmente la atención de cada vez más investigadores. Sin embargo, pocos estudios teóricos se han realizado para abordar las condiciones de convergencia para DE. En este artículo, se derivan una condición suficiente y un corolario para la convergencia de DE a los óptimos globales utilizando el producto infinito. Luego se establece un marco de algoritmo DE que cumple con las condiciones de convergencia. También se demuestra que los dos operadores de mutación comunes satisfacen el marco del algoritmo. Se realizan experimentos numéricos en dos partes. Uno tiene como objetivo visualizar el proceso en el que cinco DE convergentes basados en los algoritmos clásicos de DE escapan de un conjunto óptimo local en dos funciones de baja dimensionalidad. El otro prueba el rendimiento de un algoritmo DE modificado inspirado en el marco del algoritmo conver

• 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:Evolución diferencial; Algoritmos de optimización; Condiciones de convergencia; Operadores de mutación; Experimentos numéricos; óptimos globales
• Keywords:Differential evolution; Optimization algorithms; Convergence conditions; Mutation operators; Numerical experiments; Global optima