Resumen

Para las deficiencias del algoritmo básico seno-coseno en el tratamiento de los problemas de optimización global, como la baja precisión de la solución y la lenta velocidad de convergencia, se propone en este trabajo un nuevo algoritmo seno-coseno mejorado. La mejora incluye tres estrategias de optimización. En primer lugar, se adopta el método del parámetro de conversión exponencial decreciente y el peso de inercia lineal decreciente para equilibrar la exploración global y la capacidad de desarrollo local del algoritmo. En segundo lugar, utiliza los individuos aleatorios cercanos a los individuos óptimos para sustituir a los individuos óptimos en el algoritmo primario, lo que permite al algoritmo saltar fácilmente fuera del óptimo local y aumenta el rango de búsqueda de forma efectiva. Por último, se utiliza la estrategia de mutación codiciosa Levy para los individuos óptimos con el fin de mejorar la capacidad de desarrollo local del algoritmo. Los resultados experimentales muestran que el algoritmo propuesto puede evitar eficazmente caer en el óptimo local, y tiene una velocidad de convergencia más rápida y una mayor precisión de optimización.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:capacidad de desarrollo local, individuo óptimo, algoritmo del coseno, óptimo local, baja precisión de las soluciones, velocidad de convergencia más rápida, velocidad de convergencia lenta, problema de optimización global, nuevo seno mejorado, mutación codiciosa de levadura
• Keywords:local development ability, optimal individual, cosine algorithm, local optimum, low solutions precision, faster convergence speed, slow convergence speed, global optimization problem, new improved sine, greedy levy mutation