Resumen

El algoritmo de optimización saltamontes (GOA) es un algoritmo metaheurístico novedoso. Debido a su fácil despliegue y a su gran precisión, se utiliza ampliamente en diversos escenarios industriales y obtiene buenas soluciones. Pero, al mismo tiempo, el algoritmo GOA presenta algunas deficiencias: (1) el parámetro de convergencia lineal original hace que los procesos de exploración y explotación no estén equilibrados; (2) la velocidad de convergencia es inestable; y (3) es fácil caer en el óptimo local. En este artículo, proponemos un algoritmo de optimización de saltamontes mejorado (EGOA) que utiliza un parámetro de convergencia no lineal, un mecanismo de nicho y la técnica de escalada β-hill para superar las deficiencias mencionadas. Para evaluar el EGOA, primero seleccionamos el conjunto de referencia de los autores del GOA para comprobar la mejora del rendimiento del EGOA en comparación con el GOA básico. El análisis incluye la capacidad de exploración, la capacidad de explotación y la velocidad de convergencia. En segundo lugar, seleccionamos el nuevo conjunto de puntos de referencia CEC2019 para probar la capacidad de optimización de EGOA en problemas complejos. De acuerdo con el análisis de los resultados de los algoritmos en dos conjuntos de referencia, se puede encontrar que EGOA se desempeña mejor que los otros cinco algoritmos metaheurísticos. Para seguir evaluando EGOA, también lo aplicamos a problemas de ingeniería, como el problema de empaquetado de contenedores. Probamos EGOA y otros cinco algoritmos metaheurísticos en la instancia SchWae2. Después de analizar los resultados de la prueba de Friedman, podemos encontrar que el rendimiento de EGOA es mejor que el de otros algoritmos en problemas de empaquetamiento de contenedores.

• Materias:Aerodinámica Robótica Regulación automática Tecnología de sensores Optimización de procesos
• Subjects:Aerodynamics Robotics Automatic regulation Sensor technology Process optimization
• Palabras claves:egoa, algoritmo de optimización grasshopper, parámetro de convergencia lineal original, bin packing problem, bin packing problems, técnica hill climbing, parámetro de convergencia no lineal, novedoso benchmark cec2019, novedoso algoritmo metaheurístico, otros algoritmos metaheurísticos
• Keywords:egoa, grasshopper optimization algorithm, original linear convergence parameter, bin packing problem, bin packing problems, hill climbing technique, nonlinear convergence parameter, novel cec2019 benchmark, novel metaheuristic algorithm, other metaheuristic algorithms