Resumen

La evolución diferencial (ED) es un algoritmo evolutivo sencillo pero eficaz para los problemas de ingeniería del mundo real. Sin embargo, su capacidad de búsqueda debe ser mejorada para obtener mejores soluciones cuando la ED se aplica para resolver problemas de optimización complejos. Este trabajo presenta una evolución diferencial mejorada con búsqueda local caótica de élite (DEECL). En DEECL, se utiliza una estrategia de búsqueda caótica basada en la información heurística de los individuos de élite para promover el poder de explotación. Además, DEECL emplea un mecanismo de adaptación de parámetros simple y eficaz para mejorar la robustez. Se realizan experimentos con un conjunto de funciones de prueba clásicas. Los resultados experimentales muestran que DEECL es muy competitivo en la mayoría de las funciones de prueba.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:deecl, mecanismo de adaptación de parámetros, problema de ingeniería mundial, función de prueba clásica, problema de optimización complejo, algoritmo evolutivo eficiente, estrategia de búsqueda caótica, búsqueda local caótica, evolución diferencial mejorada, mejores soluciones
• Keywords:deecl, parameters adaptation mechanism, world engineering problem, classical test function, complex optimization problem, efficient evolutionary algorithm, chaotic search strategy, chaotic local search, enhanced differential evolution, better solutions