Resumen

El algoritmo de optimización de enjambre de partículas con comportamiento cuántico (QPSO) es una variante de la optimización de enjambre de partículas tradicional (PSO). El QPSO, desarrollado originalmente para espacios de búsqueda continua, supera al PSO tradicional en capacidad de búsqueda. Este artículo analiza los principales factores que influyen en la capacidad de búsqueda de QPSO y convierte la fórmula de movimiento de las partículas en la condición de mutación introduciendo la región de rechazo, proponiendo así un nuevo algoritmo binario, denominado algoritmo genético de optimización de enjambre (SOGA), porque se parece más al algoritmo genético (GA) que a PSO en su forma. SOGA tiene el operador de cruce y mutación como GA, pero no necesita establecer la probabilidad de cruce y mutación, por lo que tiene menos parámetros que controlar. El algoritmo propuesto se probó con varias funciones no lineales de alta dimensión en el espacio de búsqueda binario, y los resultados se compararon con los de BPSO, BQPSO y GA. Los resultados experimentales muestran que SOGA es claramente superior a los otros tres algoritmos en términos de precisión de la solución y convergencia.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:capacidad de búsqueda, algoritmo genético, optimización de enjambre, fórmula de movimiento de partículas, ga, términos de soluciones, nuevo algoritmo binario, capacidad de qpso, soga, espacio de búsqueda continua
• Keywords:search ability, genetic algorithm, swarm optimization, particles movement formula, ga, terms of solutions, new binary algorithm, ability of qpso, soga, continuous search space