Mejorando la optimización de múltiples enjambres cuánticos con evolución diferencial adaptativa para entornos dinámicos
Autores: Stanovov, Vladimir; Akhmedova, Shakhnaz; Vakhnin, Aleksei; Sopov, Evgenii; Semenkin, Eugene; Affenzeller, Michael
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Mejorando la optimización de múltiples enjambres cuánticos con evolución diferencial adaptativa para entornos dinámicos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Cuántico
Optimización multi-enjambre
Problemas de optimización dinámica
Operadores de búsqueda
Algoritmo de evolución diferencial
Optimización por enjambre de partículas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
En este estudio, se propone la modificación del algoritmo de optimización de múltiples enjambres cuánticos para problemas de optimización dinámica. La modificación implica utilizar los operadores de búsqueda del algoritmo de evolución diferencial con una cierta probabilidad dentro de la optimización por enjambre de partículas para mejorar las capacidades de búsqueda del algoritmo en entornos que cambian dinámicamente. Para probar el algoritmo, se utilizó el Conjunto de Pruebas Generalizado de Picos en Movimiento. Se realizaron experimentos para cuatro configuraciones de prueba y se realizó un análisis de sensibilidad a los principales parámetros de los algoritmos. Se muestra que aplicar el operador de mutación de la evolución diferencial a las mejores posiciones personales de las partículas permite mejorar el rendimiento del algoritmo.
Descripción
En este estudio, se propone la modificación del algoritmo de optimización de múltiples enjambres cuánticos para problemas de optimización dinámica. La modificación implica utilizar los operadores de búsqueda del algoritmo de evolución diferencial con una cierta probabilidad dentro de la optimización por enjambre de partículas para mejorar las capacidades de búsqueda del algoritmo en entornos que cambian dinámicamente. Para probar el algoritmo, se utilizó el Conjunto de Pruebas Generalizado de Picos en Movimiento. Se realizaron experimentos para cuatro configuraciones de prueba y se realizó un análisis de sensibilidad a los principales parámetros de los algoritmos. Se muestra que aplicar el operador de mutación de la evolución diferencial a las mejores posiciones personales de las partículas permite mejorar el rendimiento del algoritmo.