Integrar el algoritmo de Nelder-Mead de oposición en la fase de selección del algoritmo genético para una optimización mejorada
Autores: Zitouni, Farouq; Harous, Saad
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Integrar el algoritmo de Nelder-Mead de oposición en la fase de selección del algoritmo genético para una optimización mejorada
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Metodología
Algoritmo Nelder-Mead
Algoritmo genético
Rendimiento
Estudio comparativo
Problemas de optimización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
En este trabajo, proponemos una metodología novedosa que combina el algoritmo Nelder-Mead de oposición y la fase de selección del algoritmo genético. Esta integración tiene como objetivo mejorar el rendimiento del algoritmo en general. Para evaluar la efectividad de nuestra metodología, realizamos un estudio comparativo exhaustivo que involucró 11 algoritmos de última generación reconocidos por su rendimiento excepcional en el Congreso IEEE de Computación Evolutiva 2022 (CEC 2022). Tras un análisis riguroso, que incluyó una prueba de Friedman y la posterior prueba post hoc de Dunn, nuestro algoritmo demostró un rendimiento sobresaliente. De hecho, nuestra metodología exhibió un rendimiento igual o superior en comparación con los otros algoritmos en la mayoría de los casos examinados. Estos resultados resaltan la efectividad y competitividad de nuestro enfoque propuesto, mostrando su potencial para lograr un rendimiento de vanguardia en la resolución de problemas de optimización.
Descripción
En este trabajo, proponemos una metodología novedosa que combina el algoritmo Nelder-Mead de oposición y la fase de selección del algoritmo genético. Esta integración tiene como objetivo mejorar el rendimiento del algoritmo en general. Para evaluar la efectividad de nuestra metodología, realizamos un estudio comparativo exhaustivo que involucró 11 algoritmos de última generación reconocidos por su rendimiento excepcional en el Congreso IEEE de Computación Evolutiva 2022 (CEC 2022). Tras un análisis riguroso, que incluyó una prueba de Friedman y la posterior prueba post hoc de Dunn, nuestro algoritmo demostró un rendimiento sobresaliente. De hecho, nuestra metodología exhibió un rendimiento igual o superior en comparación con los otros algoritmos en la mayoría de los casos examinados. Estos resultados resaltan la efectividad y competitividad de nuestro enfoque propuesto, mostrando su potencial para lograr un rendimiento de vanguardia en la resolución de problemas de optimización.