logo móvil
Contáctanos

Optimización basada en equipos de montañismo: un novedoso algoritmo metaheurístico basado en humanos

Autores: Faridmehr, Iman; Nehdi, Moncef L.; Davoudkhani, Iraj Faraji; Poolad, Alireza

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Optimización basada en equipos de montañismo: un novedoso algoritmo metaheurístico basado en humanos


Categoría

Matemáticas

Subcategoría

Matemáticas generales

Palabras clave

Propuesto
Método de optimización
Algoritmo MTBO
Cooperación social
Robusto
Funciones de prueba

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 23

Citaciones: Sin citaciones


Descripción
Este documento propone un método de optimización novedoso para resolver problemas de optimización del mundo real. Está inspirado en un fenómeno humano cooperativo llamado algoritmo de optimización basado en equipos de montañismo (MTBO). Propuesto por primera vez, el algoritmo MTBO está modelado matemáticamente para lograr un algoritmo de optimización robusto basado en el comportamiento social y la cooperación humana necesaria para considerar los fenómenos naturales para llegar a la cima de la montaña, que representa la solución global óptima. Para resolver problemas de optimización, el algoritmo MTBO propuesto captura las fases del movimiento regular y guiado de los escaladores basado en la experiencia del líder, los obstáculos para llegar a la cima y quedar atrapado en la optimalidad local, y la coordinación y cooperación social del grupo para salvar a los miembros de los peligros naturales. El rendimiento del algoritmo MTBO se probó con 30 funciones de prueba CEC 2014 conocidas, así como en problemas clásicos de diseño de ingeniería, y los resultados se compararon con los de métodos conocidos. Se muestra que el algoritmo MTBO es muy competitivo en comparación con los métodos metaheurísticos de última generación. La superioridad del algoritmo MTBO propuesto se confirma aún más mediante validación estadística, así como la prueba de rango con signo de Wilcoxon con algoritmos de optimización avanzados. En comparación con los otros algoritmos, el algoritmo MTBO es más robusto, más fácil de implementar, exhibe un rendimiento de optimización efectivo para una amplia gama de funciones de prueba del mundo real y alcanza una convergencia más rápida a soluciones globales óptimas.

Otros recursos que podrían interesarte

Temas Virtualpro