Inicio / Artículos académicos / An analysis of the operation factors of three PSO-GA-ED meta-heuristic search methods for solving a single-objective optimization problem

An analysis of the operation factors of three PSO-GA-ED meta-heuristic search methods for solving a single-objective optimization problem

Comparte este artículo en

Autoría

Año de publicación

2022

Palabras clave

Algoritmos de optimización, Aalgoritmo DE

Título en español

Un análisis de los factores de operación de tres métodos de búsqueda metaheurística PSO-GA-ED para resolver un problema de optimización de un solo objetivo

Descripción

En este estudio, evaluamos varias estrategias de búsqueda sin gradiente (evolutivas) para minimizar las expresiones de funciones matemáticas. Desarrollamos y probamos los algoritmos genéticos, la optimización de enjambres de partículas y la evolución diferencial para evaluar su eficacia general en la optimización de ecuaciones matemáticas. Luego se hace una comparación entre los resultados y la eficiencia, que está determinada por el número de iteraciones, la precisión observada y el tiempo de ejecución general. Además, la optimización emplea 12 funciones de Easom, Holder table, Michalewicz, Ackley, Rastrigin, Rosen, Rosen Brock, Shubert, Sphere, Schaffer, Himmelblau’s y Spring Force Vanderplaats. Además, se evalúan la tasa de cruce, la tasa de mutación y el factor de escala para determinar la eficacia de los siguientes algoritmos. De acuerdo con los resultados de la comparación de algoritmos de optimización, el algoritmo DE tiene la complejidad temporal más baja de los demás. (Fozooni, A., Kamari, O., Pourtalebiyan, M., Gorgich, M., Khalilzadeh, M. K., & Valizadeh, A., 2022)

Referencia

Fozooni, A., Kamari, O., Pourtalebiyan, M., Gorgich, M., Khalilzadeh, M. K., & Valizadeh, A. (2022). An analysis of the operation factors of three PSO-GA-ED meta-heuristic search methods for solving a single-objective optimization problem. Computational Intelligence and Neuroscience. https://doi.org/10.1155/2022/2748215 [Published: October (4th Quarter/Autumn) 2022]

Mohammad Khalilzadeh

Buscador