Resumen

Se propone un nuevo enfoque de optimización metaheurística híbrida robusta, que puede considerarse como una mejora del algoritmo de murciélagos desarrollado recientemente, para resolver problemas globales de optimización numérica. La mejora incluye la adición de la operación de ajuste de tono en HS, que actúa como un operador de mutación durante el proceso de actualización de los murciélagos con el objetivo de acelerar la convergencia, haciendo así que el enfoque sea más viable para una amplia gama de aplicaciones del mundo real. También se describe el procedimiento de implementación detallado para este método metaheurístico mejorado. Se aplican catorce funciones de referencia estándar para verificar los efectos de estas mejoras, y se demuestra que, en la mayoría de las situaciones, el rendimiento de este método metaheurístico híbrido (HS/BA) es superior o al menos altamente competitivo con respecto al BA estándar y otros métodos de optimización basados en poblaciones, como ACO, BA, BBO, DE, ES

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Robusto; Optimización híbrida metaheurística; Algoritmo de murciélagos; Ajuste de tono; Convergencia; Aplicaciones del mundo real
• Keywords:Robust; Hybrid metaheuristic optimization; Bat algorithm; Pitch adjustment; Convergence; Real-world applications