Resumen

El uso de la técnica RFC para estimar los parámetros de refractividad es un complejo problema de optimización no lineal. En este trabajo, se propone un algoritmo de búsqueda de cuco (CS) mejorado para tratar este problema. Para mejorar el rendimiento del algoritmo CS, se integró una operación de adaptación dinámica de parámetros y una operación de cruce en el CS estándar (DACS-CO). Para controlar el proceso de ajuste adaptativo dinámico de los parámetros se utilizaron los criterios 1/5 de Rechenberg combinados con el factor de aprendizaje. La operación de cruce del algoritmo genético se utilizó para garantizar la diversidad de la población. El nuevo algoritmo híbrido tiene una mejor capacidad de búsqueda local y contribuye a un rendimiento superior. Para verificar la capacidad del algoritmo DACS-CO para estimar los parámetros de refractividad atmosférica, se implementan los datos de simulación y los datos reales de desorden de radar. Los experimentos numéricos demuestran que el algoritmo DACS-CO puede proporcionar un método eficaz para la estimación en tiempo casi real del perfil de refractividad atmosférica a partir de las interferencias del radar.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:operaciones de cruce, algoritmo co, parámetros de refractividad atmosférica, datos de desorden de radar, búsqueda de cuco mejorada, operaciones adaptativas dinámicas, proceso de ajuste adaptativo, capacidad de búsqueda local, dacs, problema de optimización no lineal
• Keywords:crossover operations, co algorithm, atmospheric refractivity parameters, radar clutter data, improved cuckoo search, dynamic adaptive operations, adaptive adjusting process, local search ability, dacs, nonlinear optimization problem