Resumen

La Evolución Diferencial (ED) es un algoritmo de optimización bioinspirado ampliamente utilizado y desarrollado por Storn y Price. Es popular por su simplicidad y robustez. Este algoritmo se diseñó principalmente para problemas de valores reales y funciones continuas, pero se han desarrollado varias versiones modificadas que optimizan tanto problemas de valores enteros como discretos. La ED de código discreto se ha utilizado principalmente para problemas combinatorios en un conjunto de variantes enumerativas. Sin embargo, la ED tiene un gran potencial en el análisis de datos espaciales y el reconocimiento de patrones. Este trabajo formula el problema como una búsqueda de una combinación de vértices distintos que cumplan las condiciones especificadas. Propone un enfoque novedoso denominado Evolución Diferencial Multidimensional Discreta (EDD) que aplica el principio de la ED discreta codificada en nubes de puntos discretas (PC). El artículo examina las capacidades de búsqueda local de la MDDE y su convergencia al óptimo global en las PC. Los vértices discretos multidimensionales no pueden ser simplemente ordenados para obtener un curso conveniente de los datos discretos, lo cual es crucial para una buena convergencia de una población. Se introduce un nuevo operador de mutación que utiliza el ordenamiento lineal de los datos espaciales basado en las curvas de llenado del espacio. El algoritmo se prueba en varios conjuntos de datos espaciales y problemas de optimización. Los experimentos muestran que el MDDE es un método eficiente y rápido para las optimizaciones discretas en las nubes de puntos multidimensionales.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:problema valorado, de codificado, operador de mutación novedoso, evolución diferencial discreta, nube de puntos multidimensional, algoritmo de optimización bioinspirado, diferencial discreto multidimensional, mdde, análisis de datos espaciales, nube de puntos discreta
• Keywords:valued problem, coded de, novel mutation operator, discrete differential evolution, multidimensional point cloud, bioinspired optimization algorithm, multidimensional discrete differential, mdde, spatial data analysis, discrete point cloud