Resumen

La multipoblación es una estrategia de optimización efectiva que se utiliza frecuentemente en algoritmos evolutivos (EAs) para mejorar el rendimiento de la optimización. Sin embargo, resulta notablemente difícil determinar el número de subpoblaciones durante el proceso de evolución para un problema dado, lo que puede afectar significativamente la capacidad de optimización de los EAs. Este artículo propone una estrategia simple de gestión de multipoblación para ajustar dinámicamente el número de subpoblaciones en diferentes fases de la evolución a lo largo del proceso. El método propuesto utiliza las distancias individuales en la misma subpoblación, así como las distancias poblacionales entre múltiples subpoblaciones para determinar el número de subpoblaciones, lo cual es fundamental para mantener la diversidad poblacional y mejorar la capacidad de exploración. Además, la estrategia de gestión de multipoblación propuesta se incorpora en EAs populares para resolver problemas de programación de almacenes automatizados complejos del mundo real. Los resultados experimentales muestran que los EAs de multipoblación propuestos pueden implementarse fácil

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Efectivo; Estrategia de optimización; Algoritmos evolutivos; Subpoblaciones; Diversidad de la población; Capacidad de exploración
• Keywords:Effective; Optimization strategy; Evolutionary algorithms; Subpopulations; Population diversity; Exploration ability