Optimización de función y análisis de rendimiento de parámetros basado en algoritmo de búsqueda de gravedad
Autores: Wang, Jie-Sheng; Song, Jiang-Di
Idioma: Inglés
Editor: MDPI
Año: 2015
Acceso abierto
Artículo científico
2015
Optimización de función y análisis de rendimiento de parámetros basado en algoritmo de búsqueda de gravedad
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Algoritmo de búsqueda gravitacional
Algoritmo de optimización de inteligencia de enjambre
Tasa de convergencia
Constante gravitacional
Aceleración de las partículas
Rendimiento de la optimización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 58
Citaciones: Sin citaciones
El algoritmo de búsqueda gravitacional (GSA) es un tipo de algoritmo de optimización de inteligencia de enjambre basado en la ley de gravitación. La inicialización de parámetros de todos los algoritmos de optimización de inteligencia de enjambre tiene una influencia importante en la capacidad de optimización global. Visto desde el principio básico de GSA, la tasa de convergencia de GSA está determinada por la constante gravitacional y la aceleración de las partículas. Las actuaciones de optimización en seis funciones de prueba típicas son verificadas por experimentos de simulación. Los resultados de la simulación muestran que la velocidad de convergencia del algoritmo GSA es relativamente sensible a la configuración de los parámetros del algoritmo, y el parámetro GSA se puede utilizar de forma flexible para mejorar la velocidad de convergencia del algoritmo y mejorar la precisión de las soluciones.
Descripción
El algoritmo de búsqueda gravitacional (GSA) es un tipo de algoritmo de optimización de inteligencia de enjambre basado en la ley de gravitación. La inicialización de parámetros de todos los algoritmos de optimización de inteligencia de enjambre tiene una influencia importante en la capacidad de optimización global. Visto desde el principio básico de GSA, la tasa de convergencia de GSA está determinada por la constante gravitacional y la aceleración de las partículas. Las actuaciones de optimización en seis funciones de prueba típicas son verificadas por experimentos de simulación. Los resultados de la simulación muestran que la velocidad de convergencia del algoritmo GSA es relativamente sensible a la configuración de los parámetros del algoritmo, y el parámetro GSA se puede utilizar de forma flexible para mejorar la velocidad de convergencia del algoritmo y mejorar la precisión de las soluciones.