Un algoritmo de fuegos artificiales mejorado basado en la estrategia de agrupación del algoritmo de salto de rana barajada para resolver problemas de optimización de funciones
Autores: Sun, Yu-Feng; Wang, Jie-Sheng; Song, Jiang-Di
Idioma: Inglés
Editor: MDPI
Año: 2016
Acceso abierto
Artículo científico
2016
Un algoritmo de fuegos artificiales mejorado basado en la estrategia de agrupación del algoritmo de salto de rana barajada para resolver problemas de optimización de funciones
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Algoritmo de fuegos artificiales
Optimización difusa paralela
Exploración global
Búsqueda local
Modo de explosión
Algoritmo híbrido
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
El algoritmo de fuegos artificiales (FA) es un nuevo algoritmo de optimización difusa paralela para simular el fenómeno de la explosión de fuegos artificiales, que logra el equilibrio entre la exploración global y la búsqueda local mediante el ajuste del modo de explosión de las bombas de fuegos artificiales. Al introducir la estrategia de agrupación del algoritmo de salto de rana barajada (SFLA), se propone un algoritmo híbrido mejorado FA-SFLA, que puede hacer que el FA salte fuera del óptimo local y acelerar la capacidad de búsqueda global. Los resultados de la simulación muestran que el algoritmo híbrido mejora en gran medida la precisión y la velocidad de convergencia para resolver problemas de optimización de funciones.
Descripción
El algoritmo de fuegos artificiales (FA) es un nuevo algoritmo de optimización difusa paralela para simular el fenómeno de la explosión de fuegos artificiales, que logra el equilibrio entre la exploración global y la búsqueda local mediante el ajuste del modo de explosión de las bombas de fuegos artificiales. Al introducir la estrategia de agrupación del algoritmo de salto de rana barajada (SFLA), se propone un algoritmo híbrido mejorado FA-SFLA, que puede hacer que el FA salte fuera del óptimo local y acelerar la capacidad de búsqueda global. Los resultados de la simulación muestran que el algoritmo híbrido mejora en gran medida la precisión y la velocidad de convergencia para resolver problemas de optimización de funciones.