Resumen

El algoritmo de coevolución cooperativa (CC) presenta un proceso de resolución de problemas de dividir y conquistar. Esta característica tiene un gran potencial para la optimización global a gran escala (LSGO) mientras induce algunos problemas inherentes del CC si un problema está descompuesto de manera incorrecta. En este trabajo, se propone un nuevo CC llamado CC basado en poblaciones múltiples selectivas (SMP) para mejorar la cooperación de los subproblemas abordando dos desafíos: encontrar colaboradores informativos cuya aptitud y diversidad estén calificadas y adaptarse al paisaje dinámico. En particular, se emplea un procedimiento de multipoblación basado en CMA-ES para identificar óptimos locales que luego se comparten como posibles colaboradores informativos. Se incorpora un procedimiento de reinicio después de la estancamiento para ayudar a las poblaciones hijas a adaptarse al paisaje dinámico. También se incorpora una selección biobjetivo para seleccionar poblaciones hijas calificadas según los criterios de individuos informativos (aptitud y diversidad). Solo las pobl

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Coevolución cooperativa; Dividir y conquistar; Optimización global a gran escala; Población múltiple selectiva; CMA-ES; Selección biobjetivo
• Keywords:Cooperative coevolution; Divide-and-conquer; Large-scale global optimization; Selective multiple population; CMA-ES; Biobjective selection