Optimización de la meta-heurística basada en mallas variables mediante la introducción de técnicas auto adaptativas
Fecha
2016-06-26
Autores
Herrera Escobar, Manuel Alejandro
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central “Marta Abreu” de Las Villas
Resumen
En el campo de la Inteligencia Artificial las meta-heurísticas poblacionales representan una herramienta muy poderosa para la solución de diferentes problemas complejos en distintos dominios de aplicación. En la actualidad son muchas las descritas en la literatura con buenos resultados aplicativos, más, ante la no existencia de una sola meta-heurística capaz de resolver cualquier problema complejo, es que se hace necesario la búsqueda de nuevas alternativas en función de mejorar la eficiencia y eficacia de las ya existentes. El propósito de esta investigación radica en la realización de una optimización a la meta-heurística poblacional basada en mallas variables, mediante la introducción a la misma de técnicas auto adaptativas y a través de su hibridación con otra meta-heurística poblacional autoadaptable basada en el algoritmo Evolución Diferencial denominada SADE. Los resultados obtenidos fueron validados a partir de la evaluación del rendimiento en cuanto a la eficacia de estos algoritmos con sus versiones clásicas según las 15 funciones de referencia para problemas de optimización a gran escala, aprobadas en la “CEC IEEE Sesión
Especial sobre Optimización Global a Gran Escala” en el 2015, lográndose mejoras
sustanciales a favor del algoritmo propuesto en esta investigación.
In the field of Artificial Intelligence meta-heuristics population represents a powerful tool for solving various complex problems in different application domains. At present there are many described in the literature with good applications results, more to the non-existence of a single meta-heuristics capable of solving any complex problem is necessary to search for new alternatives in terms of improving the efficiency and effectiveness of existing ones. The objective of this research lies in the realization of an optimization to the meta-heuristics population based on variables meshes by entering the same self techniques adaptive by hybridizing the same with another meta-heuristics population adaptive based on Evolución Diferencial called SADE. The results were validated by from performance evaluation as to the effectiveness of these algorithms with their classic versions as the 15 reference functions for optimization problems on a large scale approved by the "CEC IEEE Special Session on Global Optimization to large Scale "in 2015 achieving substantial in favor of the proposed algorithm improves this research.
In the field of Artificial Intelligence meta-heuristics population represents a powerful tool for solving various complex problems in different application domains. At present there are many described in the literature with good applications results, more to the non-existence of a single meta-heuristics capable of solving any complex problem is necessary to search for new alternatives in terms of improving the efficiency and effectiveness of existing ones. The objective of this research lies in the realization of an optimization to the meta-heuristics population based on variables meshes by entering the same self techniques adaptive by hybridizing the same with another meta-heuristics population adaptive based on Evolución Diferencial called SADE. The results were validated by from performance evaluation as to the effectiveness of these algorithms with their classic versions as the 15 reference functions for optimization problems on a large scale approved by the "CEC IEEE Special Session on Global Optimization to large Scale "in 2015 achieving substantial in favor of the proposed algorithm improves this research.
Descripción
Palabras clave
Metaheurística, Optimización Basada en Mallas Variables (VMO), Evolución Diferencial con Autoadaptación (SADE)