Resumen

La optimización de enjambre de partículas de aprendizaje integral (CLPSO) y la CLPSO mejorada (ECLPSO) son dos metaheurísticas de la literatura para la optimización global. ECLPSO mejora significativamente el rendimiento de explotación y convergencia de CLPSO mediante la explotación basada en perturbaciones y las probabilidades de aprendizaje adaptativas. Sin embargo, ECLPSO sigue sin poder localizar el óptimo global o encontrar una solución cercana al óptimo para una serie de problemas. En este trabajo, estudiamos la mejora del rendimiento de exploración de ECLPSO. Proponemos asignar un peso de inercia y un coeficiente de aceleración independientes correspondientes a cada dimensión del espacio de búsqueda, así como una probabilidad de aprendizaje independiente para cada partícula en cada dimensión. Al igual que ECLPSO, se determina un intervalo normativo delimitado por las mejores posiciones personales mínima y máxima con respecto a cada dimensión en cada generación. Se propone que las velocidades máximas independientes de la dimensión, los pesos de inercia, los coeficientes de aceleración y las probabilidades de aprendizaje se actualicen de forma adaptativa en función de los intervalos normativos de la dimensión para facilitar la exploración, la explotación y la convergencia, especialmente la exploración. Nuestra metaheurística propuesta, denominada CLPSO adaptativa (ACLPSO), se evalúa en varias funciones de referencia. Los resultados experimentales demuestran que las velocidades máximas independientes de la dimensión y adaptables, los pesos de inercia, los coeficientes de aceleración y las probabilidades de aprendizaje ayudan a mejorar significativamente el rendimiento de exploración de ECLPSO, y ACLPSO es capaz de derivar el óptimo global o una solución cercana al óptimo en todas las funciones de referencia para todas las ejecuciones con los parámetros ajustados adecuadamente.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:eclpso, coeficiente de aceleración, soluciones óptimas, óptimo global, rendimiento de exploración, peso de inercia, velocidad máxima adaptativa, intervalo normativo dimensional, probabilidad de aprendizaje adaptativa, coeficiente de aceleración independiente
• Keywords:eclpso, acceleration coefficient, optimum solutions, global optimum, exploration performance, inertia weight, adaptive maximum velocity, dimensional normative interval, adaptive learning probability, independent acceleration coefficient