Resumen

Las desventajas del algoritmo de optimización por enjambre de partículas (PSO) son que es fácil caer en un óptimo local en un espacio de alta dimensión y que tiene una baja tasa de convergencia en el proceso iterativo. Para resolver estos problemas, se propone un algoritmo adaptativo de optimización por enjambre de partículas basado en la red compleja ponderada dirigida (DWCNPSO). Las partículas pueden dispersarse uniformemente por el espacio de búsqueda utilizando la topología de la red de pequeño mundo para inicializar la posición de las partículas. Al mismo tiempo, se emplea un mecanismo evolutivo de la red dinámica dirigida para hacer que las partículas evolucionen hacia la red libre de escala cuando el grado interno obedece a la distribución power-law. El método propuesto no sólo mejora la diversidad del algoritmo, sino que también evita que las partículas caigan en un óptimo local. Los resultados de la simulación indican que el algoritmo propuesto puede evitar eficazmente el problema de la convergencia prematura. En comparación con otros algoritmos, la tasa de convergencia es más rápida.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:algoritmo, óptimo local, algoritmo adaptativo de optimización por enjambre de partículas, baja tasa de convergencia, optimización por enjambre de partículas, problema de convergencia prematura, red compleja, tasa de convergencia, espacio dimensional, red dinámica
• Keywords:algorithm, local optimum, adaptive particle swarm optimization algorithm, low convergence rate, particle swarm optimization, premature convergence problem, complex network, convergence rate, dimensional space, dynamic network