Optimal randomness in la búsqueda basada en enjambre
Autores: Wei, Jiamin; Chen, YangQuan; Yu, Yongguang; Chen, Yuquan
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Optimal randomness in la búsqueda basada en enjambre
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Vuelos de levy
Búsqueda de recursos
Forrajeadores
Animales errantes
Algoritmos de búsqueda basados en enjambres
Búsqueda del cuco
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Los vuelos de Lévy son una caminata aleatoria donde las longitudes de paso tienen una distribución de probabilidad de cola pesada. Se ha demostrado que los vuelos de Lévy pueden maximizar la eficiencia de la búsqueda de recursos en entornos inciertos y también se ha demostrado que los movimientos de muchos forrajeadores y animales errantes siguen una distribución de Lévy. La razón principal proviene del hecho de que la distribución de Lévy tiene un segundo momento infinito y, por lo tanto, es más probable que genere una descendencia que esté más lejos de su progenitor. Sin embargo, la investigación sobre la eficiencia de otras distribuciones de probabilidad de cola pesada en búsquedas basadas en enjambres sigue siendo insuficiente hasta ahora.
Descripción
Los vuelos de Lévy son una caminata aleatoria donde las longitudes de paso tienen una distribución de probabilidad de cola pesada. Se ha demostrado que los vuelos de Lévy pueden maximizar la eficiencia de la búsqueda de recursos en entornos inciertos y también se ha demostrado que los movimientos de muchos forrajeadores y animales errantes siguen una distribución de Lévy. La razón principal proviene del hecho de que la distribución de Lévy tiene un segundo momento infinito y, por lo tanto, es más probable que genere una descendencia que esté más lejos de su progenitor. Sin embargo, la investigación sobre la eficiencia de otras distribuciones de probabilidad de cola pesada en búsquedas basadas en enjambres sigue siendo insuficiente hasta ahora.