Resumen

Se propone un nuevo algoritmo de aprendizaje para resolver problemas de optimización numérica global. El algoritmo de aprendizaje propuesto es un método de búsqueda estocástica intensa que se basa en la evaluación y optimización de un hipercubo y se denomina algoritmo de optimización del hipercubo (HO). El algoritmo HO comprende el proceso de inicialización y evaluación, el proceso de desplazamiento-encogimiento y el proceso de búsqueda en el espacio. El proceso de inicialización y evaluación inicializa la solución inicial y evalúa las soluciones en el hipercubo dado. El proceso de desplazamiento-encogimiento determina el desplazamiento y evalúa las funciones objetivo utilizando nuevos puntos, y el proceso de espacio de búsqueda determina el siguiente hipercubo utilizando ciertas reglas y evalúa las nuevas soluciones. Los algoritmos para estos procesos han sido diseñados y presentados en el artículo. El algoritmo HO diseñado se ha probado con funciones de referencia específicas. Las simulaciones del algoritmo HO se han realizado para la optimización de funciones de 1000, 5000 o incluso 10000 dimensiones. Los resultados comparativos de las simulaciones con otros enfoques demuestran que el algoritmo propuesto es un candidato potencial para la optimización de funciones de baja y alta dimensión.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:proceso de evaluación, algoritmo ho, proceso de contracción, función de alta dimensión, desplazamiento, algoritmo ho diseñado, proceso de área de búsqueda, optimización de la función, función de referencia específica
• Keywords:evaluation process, ho algorithm, shrink process, high dimensional function, displacement, designed ho algorithm, search area process, optimization of function, specific benchmark function