Resumen

La detección comprimida distribuida (DCS) es una importante área de investigación de la detección comprimida (CS). El objetivo de este trabajo es resolver el problema de la detección comprimida distribuida (DCS) basado en un modelo de soporte mixto. Al resolver este problema, los algoritmos de búsqueda codiciosa propuestos anteriormente caen fácilmente en soluciones subóptimas. En este trabajo, se propone un algoritmo optimizador inteligente de lobo gris (GWO) llamado DCS-GWO que combina el GWO y el algoritmo de umbralización q. En DCS-GWO, las posiciones de los lobos grises se inicializan utilizando el algoritmo de umbralización q y se actualizan utilizando la idea de GWO. Al heredar la capacidad de búsqueda global de GWO, DCS-GWO es eficiente en la búsqueda de la solución óptima global. Los resultados de la simulación ilustran que DCS-GWO tiene un mejor rendimiento de recuperación que los anteriores algoritmos de búsqueda codiciosa a expensas de la complejidad computacional.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:gwo, algoritmo de búsqueda codiciosa, dc, algoritmo de umbralización, capacidad de gwo, capacidad de búsqueda global, mejor rendimiento de recuperación, soluciones óptimas globales, optimizador grey wolf, área de investigación importante
• Keywords:gwo, greedy pursuit algorithm, dc, thresholding algorithm, ability of gwo, global search ability, better recovery performance, global optimum solutions, grey wolf optimizer, important research area