Resumen

El algoritmo de optimización de saltamontes (GOA) es un algoritmo metaheurístico que modela matemáticamente y simula el comportamiento del enjambre de saltamontes. Basado en su sistema de búsqueda flexible y adaptativo, este innovador algoritmo tiene un excelente potencial para resolver problemas de optimización. Este artículo presenta un GOA mejorado, que supera las deficiencias en velocidad de convergencia y precisión del GOA inicial. El algoritmo mejorado se llama MOLGOA, el cual combina diversas estrategias de optimización. En primer lugar, se introduce un mecanismo de mutación probabilístico en el GOA básico, que aprovecha al máximo la fuerte capacidad de búsqueda de la mutación de Cauchy y la diversidad de la mutación genética. Luego, los factores efectivos del enjambre de saltamontes son fortalecidos por un mecanismo de aprendizaje ortogonal para mejorar la velocidad de convergencia del algoritmo. Además, la aplicación de la probabilidad en este artículo equilibra en gran medida las ventajas de cada estr

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Algoritmo de optimización de saltamontes; Algoritmo metaheurístico; MOLGOA; Velocidad de convergencia; Problemas de optimización; Mecanismo de mutación probabilístico
• Keywords:Grasshopper optimization algorithm; Metaheuristic algorithm; MOLGOA; Convergence speed; Optimization problems; Probabilistic mutation mechanism