Resumen

En las últimas décadas, los algoritmos metaheurísticos (MA) se han desarrollado enormemente y se han aplicado con éxito en muchos campos. En los últimos años, se han propuesto numerosos nuevos MA. El algoritmo del moho de limo (SMA) es un novedoso algoritmo de optimización basado en enjambres de inteligencia. El SMA resuelve el problema de optimización imitando el comportamiento de forrajeo y movimiento del moho de limo. Puede obtener de manera efectiva una solución óptima global prometedora. Sin embargo, todavía tiene algunas deficiencias como la velocidad de convergencia inestable, la precisión de búsqueda imprecisa y la incapacidad de identificar una solución óptima local cuando se enfrenta a problemas de optimización complicados. Con el propósito de superar las deficiencias del SMA, este artículo propuso una versión mejorada de SMA llamada ESMA con múltiples estrategias. Las tres estrategias mejoradas son la estrategia de inicialización caótica (CIS), la estrategia de aprendizaje ort

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Algoritmos metaheurísticos; Algoritmo de moho viscoso; Optimización de inteligencia basada en enjambres; Estrategia de inicialización caótica; Estrategia de aprendizaje ortogonal; Estrategia de reinicio de límites
• Keywords:Metaheuristic algorithms; Slime mould algorithm; Swarm-based intelligence optimization; Chaotic initialization strategy; Orthogonal learning strategy; Boundary reset strategy