Diferential evolution con reducción lineal de sesgo en adaptación de parámetros
Autores: Stanovov, Vladimir; Akhmedova, Shakhnaz; Semenkin, Eugene
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Diferential evolution con reducción lineal de sesgo en adaptación de parámetros
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Propuesto
Algoritmo de evolución diferencial
Esquema de reducción de sesgo lineal
Parámetro de media de Lehmer
Propiedades de exploración
Explotación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
En este estudio, se propone un nuevo esquema de control de parámetros para el algoritmo de evolución diferencial. El esquema desarrollado de reducción lineal de sesgo controla el valor del parámetro de media de Lehmer dependiendo de la etapa de optimización, lo que permite que el algoritmo mejore las propiedades de exploración al principio de la búsqueda y acelere la explotación al final de la búsqueda. Se considera el enfoque básico del algoritmo L-SHADE, así como sus modificaciones, es decir, los algoritmos jSO y DISH. Los experimentos se realizan en los problemas de referencia con restricciones de límites CEC 2017 y 2020, y la comparación estadística de los resultados realizados demuestra que la reducción lineal de sesgo permite una mejora significativa del rendimiento de la evolución diferencial para varios tipos de problemas de optimización.
Descripción
En este estudio, se propone un nuevo esquema de control de parámetros para el algoritmo de evolución diferencial. El esquema desarrollado de reducción lineal de sesgo controla el valor del parámetro de media de Lehmer dependiendo de la etapa de optimización, lo que permite que el algoritmo mejore las propiedades de exploración al principio de la búsqueda y acelere la explotación al final de la búsqueda. Se considera el enfoque básico del algoritmo L-SHADE, así como sus modificaciones, es decir, los algoritmos jSO y DISH. Los experimentos se realizan en los problemas de referencia con restricciones de límites CEC 2017 y 2020, y la comparación estadística de los resultados realizados demuestra que la reducción lineal de sesgo permite una mejora significativa del rendimiento de la evolución diferencial para varios tipos de problemas de optimización.