Resumen

Los algoritmos genéticos (AG) son técnicas de búsqueda heurística de base estocástica que incorporan tres operadores principales: selección, cruce y mutación. Estos operadores ayudan a obtener la solución óptima para problemas de optimización con restricciones. Cada operador tiene sus propias ventajas, pero la selección de cromosomas es uno de los operadores más esenciales para el rendimiento óptimo de los algoritmos. En este trabajo, se presenta un nuevo esquema de selección mejorado basado en algoritmos genéticos, es decir, la selección escalonada (SWS), para manejar los problemas de exploración (diversidad de la población) y explotación (presión de selección). Para comprobar su rendimiento global, lo comparamos con otros esquemas de selección mediante el uso de diez funciones de referencia bien conocidas en varias dimensiones. Para realizar una comparación detallada, también examinamos la importancia del SWS basándonos en los resultados estadísticos. La prueba de bondad de ajuste Chi-cuadrado también se utiliza para evaluar el rendimiento global del proceso de selección, es decir, la diferencia media entre el número de descendientes observado y el esperado. Por lo tanto, los resultados empíricos generales junto con la representación gráfica avalan que el SWS superó en términos de solidez, estabilidad y eficacia a otros competidores mediante la autentificación del índice de rendimiento (PI).

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:problema de optimización con restricciones, importancia de la sw, esquema de selección novedoso, problema de exploración, selección del cromosoma, número de descendientes, algoritmo genético mejorado, técnicas de búsqueda heurística, autentificación del rendimiento, función de referencia conocida
• Keywords:constrained optimization problem, significance of sw, novel selection scheme, problem of exploration, selection of chromosome, number of offspring, improved genetic algorithm, heuristic search techniques, authentication of performance, known benchmark function