Biblioteca122.294 documentos en línea

Artículo

Hybridization of Adaptive Differential Evolution with an Expensive Local Search MethodHibridación de la evolución diferencial adaptativa con un método costoso de búsqueda local

Resumen

La evolución diferencial (ED) es una heurística eficaz y eficiente para los problemas de optimización global. Sin embargo, tiene dificultades para explotar la región local alrededor de la solución aproximada. Para solucionar este problema, las técnicas de búsqueda local (LS) podrían hibridarse con la ED para mejorar su capacidad de búsqueda local. En este trabajo, hibridamos una versión actualizada de la ED, la evolución diferencial adaptativa con archivo externo opcional (JADE) con un método LS costoso, Broydon-Fletcher-Goldfarb-Shano (BFGS) para resolver problemas continuos de optimización global sin restricciones. El nuevo algoritmo híbrido se denomina DEELS. Para validar el rendimiento de DEELS, hemos llevado a cabo experimentos exhaustivos con problemas de prueba bien conocidos, CEC2005 y CEC2010. Los resultados experimentales, en términos de valores de error de función, tasa de éxito, y algunas otras estadísticas, se comparan con algunos de los algoritmos del estado de la técnica, los parámetros de control autoadaptativo en la evolución diferencial (jDE), DE secuencial mejorada por la búsqueda de vecindario para la optimización global a gran escala (SDENS), y el algoritmo diferencial hormiga-estigma (DASA). Estas comparaciones revelan que DEELS supera a jDE y SDENS, excepto a DASA, en la mayoría de las instancias de prueba.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento