Resumen

Se propone un algoritmo híbrido de optimización de enjambre de partículas con coevolución y estrategia dinámica de multispecie basada en el agrupamiento -means y estrategia de no revisita basada en el árbol de aptitud de partición binaria del espacio (llamado MCPSO-PSH). La historia de búsqueda previa memorizada en el árbol de aptitud de partición binaria del espacio puede restringir efectivamente el fenómeno de revisita de los individuos. Toda la población se divide en varias subespecies y la coevolución cooperativa se realiza mediante un mecanismo de comunicación de información entre subespecies, lo que puede mejorar la capacidad de búsqueda global de las partículas y evitar la convergencia prematura al óptimo local. Para demostrar el poder del método, las comparaciones entre el algoritmo propuesto y los algoritmos de vanguardia se agrupan en dos categorías: 10 funciones de referencia básicas (10 dimensiones y 30 dimensiones), 10 funciones de referencia CEC2005 (30 dimensiones) y un

• Materias:Sistemas multiagente Dinámica de interacción Simulación de comportamientos Ecuaciones diferenciales estocásticas Dinámica caótica
• Subjects:Multiagent systems Interaction dynamics Behavioral simulation Stochastic differential equations Chaotic dynamics
• Palabras claves:Híbrido; Coevolución; Optimización por enjambre de partículas; Estrategia dinámica de múltiples especies; árbol de fitness de partición binaria del espacio; Búsqueda global
• Keywords:Hybrid; Coevolution; Particle swarm optimization; Dynamic multispecies strategy; Binary Space Partitioning fitness tree; Global search