Hacia un Optimizador de Enjambre de Partículas Ideal para Funciones Multidimensionales
Autores: Charilogis, Vasileios; Tsoulos, Ioannis G.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Hacia un Optimizador de Enjambre de Partículas Ideal para Funciones Multidimensionales
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Optimización por enjambre de partículas
Técnica de optimización global
Población de soluciones
Mejor posición
Modificaciones
Llamadas a funciones
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El método de Optimización por Enjambre de Partículas (PSO) es una técnica de optimización global basada en la evolución gradual de una población de soluciones llamadas partículas. El método hace evolucionar las partículas en función de la mejor posición de cada una de ellas en el pasado y de la mejor posición del conjunto. Debido a su simplicidad, el método ha encontrado aplicación en muchas áreas científicas, y por esta razón, en los últimos años se han presentado muchas modificaciones. Este artículo introduce tres modificaciones al método que tienen como objetivo reducir el número de llamadas a la función requeridas, manteniendo la precisión del método en la localización del mínimo global. Estas modificaciones afectan componentes importantes del método, como la rapidez con la que cambian las partículas o incluso cómo se termina el método. Las modificaciones anteriores se probaron en una serie de problemas de optimización universal conocidos de la literatura relevante, y los resultados se compararon con técnicas similares.
Descripción
El método de Optimización por Enjambre de Partículas (PSO) es una técnica de optimización global basada en la evolución gradual de una población de soluciones llamadas partículas. El método hace evolucionar las partículas en función de la mejor posición de cada una de ellas en el pasado y de la mejor posición del conjunto. Debido a su simplicidad, el método ha encontrado aplicación en muchas áreas científicas, y por esta razón, en los últimos años se han presentado muchas modificaciones. Este artículo introduce tres modificaciones al método que tienen como objetivo reducir el número de llamadas a la función requeridas, manteniendo la precisión del método en la localización del mínimo global. Estas modificaciones afectan componentes importantes del método, como la rapidez con la que cambian las partículas o incluso cómo se termina el método. Las modificaciones anteriores se probaron en una serie de problemas de optimización universal conocidos de la literatura relevante, y los resultados se compararon con técnicas similares.