Resumen

Debido a su rápida convergencia y a su naturaleza basada en poblaciones, la optimización por enjambre de partículas (PSO) se ha aplicado ampliamente para abordar los problemas de optimización multiobjetivo (MOP). Sin embargo, se ha demostrado que el PSO clásico no es un algoritmo de búsqueda global. Por lo tanto, puede existir el problema de no ser capaz de converger al óptimo global en los algoritmos basados en PSO multiobjetivo. En este trabajo, haciendo pleno uso de la propiedad de convergencia global de la optimización de enjambre de partículas con comportamiento cuántico (QPSO), se propone un nuevo algoritmo QPSO multiobjetivo basado en el modelo de anillo. Basándose en el modelo de anillo, se mejora la estrategia de actualización de posición para abordar los MOP. El empleo de un novedoso mecanismo de comunicación entre partículas ralentiza eficazmente la velocidad de descenso de la diversidad del enjambre. Además, se mejora la capacidad de búsqueda ajustando la posición del atractor local. Los resultados experimentales muestran que el algoritmo propuesto es altamente competitivo tanto en convergencia como en diversidad en la resolución de los MOPs. Además, la ventaja se hace aún más evidente a medida que aumenta el número de objetivos.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Optimización por enjambre de partículas; problemas de optimización multiobjetivo; algoritmo de búsqueda global; optimización por enjambre de partículas con comportamiento cuántico; QPSO; modelo de anillo.
• Keywords:Particle swarm optimization; multiobjective optimization problems; global search algorithm; quantum-behaved particle swarm optimization; QPSO; ring model