Resumen

Recientemente, la optimización basada en la enseñanza-aprendizaje (TLBO), como uno de los algoritmos heurísticos emergentes inspirados en la naturaleza, ha atraído una atención creciente. Con el fin de mejorar su tasa de convergencia y evitar que se estanque en los óptimos locales, en este trabajo se ha desarrollado una nueva metaheurística, en la que se introducen características particulares del mecanismo del caos y del vuelo de Lévy en el marco básico de TLBO. El nuevo algoritmo se prueba en varias funciones de referencia no lineales a gran escala con diferentes características y se compara con otros métodos. Los resultados experimentales muestran que el algoritmo propuesto supera a otros algoritmos y logra una mejora satisfactoria respecto al TLBO.

• 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:algoritmo heurístico inspirado, marco de tlbo, función de referencia no lineal, algoritmo propuesto supera, metaheurística novedosa, tasa de convergencia, características particulares, nuevo algoritmo, mejora satisfactoria, marco básico
• Keywords:inspired heuristic algorithm, framework of tlbo, nonlinear benchmark function, proposed algorithm outperforms, novel metaheuristic, convergence rate, particular characteristics, new algorithm, satisfactory improvement, basic framework