Resumen

El algoritmo de depredadores marinos (MPA) es un novedoso método de optimización basado en la población que se ha utilizado ampliamente en aplicaciones de optimización del mundo real. Sin embargo, el MPA puede caer fácilmente en un óptimo local debido a la falta de diversidad de la población en la última etapa de la optimización. Para superar esta deficiencia, este trabajo propone una variante de MPA con un algoritmo de distribución de estimación híbrida (EDA) y una estrategia de paseo aleatorio gaussiano, a saber, HEGMPA. La población inicial se construye utilizando un mapeo cúbico para mejorar la diversidad de individuos en la población. A continuación, EDA se adapta a MPA para modificar la dirección evolutiva utilizando la información de la distribución de la población, mejorando así el rendimiento de convergencia del algoritmo. Además, se utiliza una estrategia de paseo aleatorio gaussiano con solución media para ayudar al algoritmo a librarse del estancamiento. El algoritmo propuesto se verifica mediante simulación utilizando el conjunto de pruebas CEC2014. Los resultados de la simulación muestran que el rendimiento de HEGMPA es más competitivo que el de otros algoritmos comparativos, con mejoras significativas en términos de precisión y velocidad de convergencia.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:estrategia de paseo aleatorio, paseo aleatorio gaussiano, rendimiento de hegmpa, términos de convergencia, conjunto de pruebas cec2014, aplicación de optimización mundial, etapa de optimización, información de la distribución de la población, algoritmo del depredador marino, métodos de optimización basados
• Keywords:random walk strategy, gaussian random walk, performance of hegmpa, terms of convergence, cec2014 test suite, world optimization application, stage of optimization, population distribution information, marine predator algorithm, based optimization methods