Un algoritmo híbrido de búsqueda de Cuckoo k-Means aplicado al problema de muros de contrafuerte
Autores: García, José; Yepes, Victor; Martí, José V.
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Un algoritmo híbrido de búsqueda de Cuckoo k-Means aplicado al problema de muros de contrafuerte
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Muro de contrafuerte
Optimización
Costo
Emisiones de CO
Complejidad computacional
Algoritmo híbrido de búsqueda de k-means cuckoo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
La pared de contrafuerte es una de las estructuras más frecuentes utilizadas en ingeniería civil. En esta estructura, la optimización del costo y las emisiones de CO son importantes. El primero es relevante en la competitividad y eficiencia de la empresa, el segundo en el impacto ambiental. Desde el punto de vista de la complejidad computacional, el problema es desafiante debido al gran número de combinaciones posibles en el espacio de soluciones. En este artículo, se propone un algoritmo híbrido de búsqueda de cucú k-means donde la metaheurística de búsqueda de cucú se utiliza como mecanismo de optimización en espacios continuos y la técnica de aprendizaje k-means no supervisada para discretizar las soluciones. Se diseña un operador aleatorio para determinar la contribución del operador k-means en el proceso de optimización. Se comparan los mejores valores, los promedios y los rangos intercuartílicos de las distribuciones obtenidas. Posteriormente, el algoritmo híbrido se comparó con una versión de búsqueda de armonía que también resolvió el problema. Los resultados muestran que el operador k-means contribuye significativamente a la calidad de las soluciones y que nuestro algoritmo es altamente competitivo, superando los resultados obtenidos por la búsqueda de armonía.
Descripción
La pared de contrafuerte es una de las estructuras más frecuentes utilizadas en ingeniería civil. En esta estructura, la optimización del costo y las emisiones de CO son importantes. El primero es relevante en la competitividad y eficiencia de la empresa, el segundo en el impacto ambiental. Desde el punto de vista de la complejidad computacional, el problema es desafiante debido al gran número de combinaciones posibles en el espacio de soluciones. En este artículo, se propone un algoritmo híbrido de búsqueda de cucú k-means donde la metaheurística de búsqueda de cucú se utiliza como mecanismo de optimización en espacios continuos y la técnica de aprendizaje k-means no supervisada para discretizar las soluciones. Se diseña un operador aleatorio para determinar la contribución del operador k-means en el proceso de optimización. Se comparan los mejores valores, los promedios y los rangos intercuartílicos de las distribuciones obtenidas. Posteriormente, el algoritmo híbrido se comparó con una versión de búsqueda de armonía que también resolvió el problema. Los resultados muestran que el operador k-means contribuye significativamente a la calidad de las soluciones y que nuestro algoritmo es altamente competitivo, superando los resultados obtenidos por la búsqueda de armonía.