Resumen

En este artículo, se propone un novedoso algoritmo de rayo múltiple de optimización (MOLFA) para resolver el problema de optimización multiobjetivo. Se define el estado de la población de carga del algoritmo de rayo múltiple, y se demuestra que la secuencia del estado de la población de carga es una cadena de Markov. Dado que el análisis de convergencia de MOLFA consiste en investigar si se puede llegar a una solución óptima de Pareto cuando se obtiene el estado óptimo de la población de carga, se analiza el desarrollo de un estado de población de carga para lograr el objetivo de este artículo. Basándose en la teoría de martingalas, se lleva a cabo el análisis de convergencia de MOLFA en términos del teorema de convergencia de supermartingalas, que muestra que MOLFA puede alcanzar el óptimo global con probabilidad uno. Finalmente, la efectividad del MOLFA propuesto se verifica mediante un ejemplo de simulación numérica.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Algoritmo de destello de relámpago; Problema de optimización multiobjetivo; Estado de la población de carga; Análisis de convergencia; Solución óptima de Pareto; Teoría de la martingala
• Keywords:Lightning flash algorithm; Multiobjective optimization problem; Charge population state; Convergence analysis; Pareto optimal solution; Martingale theory