Resumen

La hibridación de algoritmos metaheurísticos con la búsqueda local se ha investigado en muchos estudios. Este trabajo propone un algoritmo híbrido de búsqueda de caminos (HPFA), que incorpora el operador de mutación de la evolución diferencial (ED) en el algoritmo de búsqueda de caminos (PFA). El algoritmo propuesto combina la capacidad de búsqueda del PFA y de la ED. Con una prueba en un conjunto de veinticuatro funciones de referencia sin restricciones, incluyendo funciones continuas unimodales, funciones continuas multimodales y funciones de composición, se demuestra que el HPFA tiene una mejora significativa sobre el algoritmo pathfinder y los otros algoritmos de comparación. A continuación, el HPFA se utiliza para la agrupación de datos, los problemas restringidos y los problemas de diseño de ingeniería. Los resultados experimentales muestran que el HPFA propuesto obtuvo mejores resultados que los otros algoritmos de comparación y es un enfoque competitivo para resolver la agrupación de partición, los problemas restringidos y los problemas de diseño de ingeniería.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:problema de diseño de ingeniería, algoritmo pathfinder, algoritmo de comparación, función de referencia sin restricciones, función continua unimodal, función continua multimodal, hpfa, algoritmo pathfinder híbrido, agrupación de datos, enfoque competitivo
• Keywords:engineering design problem, pathfinder algorithm, comparison algorithm, unconstrained benchmark function, unimodal continuous function, multimodal continuous function, hpfa, hybrid pathfinder algorithm, data clustering, competitive approach