Algoritmo de búsqueda de fuegos artificiales dinámico de mutación adaptativa
Autores: Li, Xi-Guang; Han, Shou-Fei; Zhao, Liang; Gong, Chang-Qing; Liu, Xiao-Jing
Idioma: Inglés
Editor: MDPI
Año: 2017
Acceso abierto
Artículo científico
2017
Algoritmo de búsqueda de fuegos artificiales dinámico de mutación adaptativa
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Algoritmo de búsqueda dinámica de fuegos artificiales
Problemas de optimización
Soluciones óptimas locales
Velocidad de convergencia lenta
Mutación adaptativa
Algoritmos de inteligencia de enjambre
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 39
Citaciones: Sin citaciones
El algoritmo de fuegos artificiales de búsqueda dinámica (dynFWA) es un algoritmo efectivo para resolver problemas de optimización. Sin embargo, dynFWA cae fácilmente en soluciones óptimas locales prematuramente y también tiene una tasa de convergencia lenta. Para mejorar estos problemas, en este documento se introduce un algoritmo de búsqueda de fuegos artificiales dinámico de mutación adaptativa (AMdynFWA). El algoritmo propuesto aplica la mutación gaussiana o la mutación de Levy para el fuego artificial central (CF) con probabilidad de mutación. Nuestra simulación compara el algoritmo propuesto con los algoritmos basados en FWA y otros algoritmos de inteligencia de enjambre. Los resultados muestran que el algoritmo propuesto logra un mejor rendimiento general en las funciones de prueba estándar.
Descripción
El algoritmo de fuegos artificiales de búsqueda dinámica (dynFWA) es un algoritmo efectivo para resolver problemas de optimización. Sin embargo, dynFWA cae fácilmente en soluciones óptimas locales prematuramente y también tiene una tasa de convergencia lenta. Para mejorar estos problemas, en este documento se introduce un algoritmo de búsqueda de fuegos artificiales dinámico de mutación adaptativa (AMdynFWA). El algoritmo propuesto aplica la mutación gaussiana o la mutación de Levy para el fuego artificial central (CF) con probabilidad de mutación. Nuestra simulación compara el algoritmo propuesto con los algoritmos basados en FWA y otros algoritmos de inteligencia de enjambre. Los resultados muestran que el algoritmo propuesto logra un mejor rendimiento general en las funciones de prueba estándar.