Resumen

En este trabajo se presenta y estudia empíricamente una optimización de enjambre de partículas mejorada con cría de elitistas (EB-QPSO) para la optimización sin restricciones. En EB-QPSO, la novedosa estrategia de cría de elitistas actúa sobre los elitistas del enjambre para escapar de los probables óptimos locales y guiar al enjambre para que realice una búsqueda más eficiente. Durante el proceso de optimización iterativo de EB-QPSO, cuando se cumplen los criterios, el mejor individuo de cada partícula y el mejor global del enjambre se utilizan para generar nuevos individuos diversos mediante los operadores de transposones. Los nuevos individuos generados con mejor aptitud se seleccionan para ser las nuevas partículas mejores personales y la mejor partícula global para guiar el enjambre para la exploración de soluciones adicionales. Se lleva a cabo un amplio estudio de simulación con un conjunto de doce funciones de referencia. En comparación con cinco algoritmos de optimización de enjambre de partículas con comportamiento cuántico, el EB-QPSO propuesto es más competitivo en todas las funciones de referencia en términos de mejor capacidad de búsqueda global y mayor velocidad de convergencia.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:qpso, enjambre, función de referencia, mejores partículas globales, acto de estrategia de cría, mejores partículas personales, algoritmo de optimización de enjambre, proceso de eb, estudio de simulación exhaustivo, nueva cría elitista
• Keywords:qpso, swarm, benchmark function, global best particles, breeding strategy act, personal best particles, swarm optimization algorithm, process of eb, comprehensive simulation study, novel elitist breeding