Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Un nuevo enfoque de hibridación entre el algoritmo Fireworks y el algoritmo Grey Wolf Optimizer
El principal objetivo de este trabajo es presentar un nuevo enfoque de hibridación para combinar dos potentes metaheurísticas, una inspirada en la física y otra basada en fenómenos bioinspirados. La primera metaheurística se basa en las leyes de la física e imita la explosión de los fuegos artificiales y se denomina Algoritmo Fireworks; la segunda metaheurística se basa en el comportamiento del lobo gris y pertenece a los métodos de inteligencia de enjambre, y este método se denomina algoritmo Grey Wolf Optimizer. Para este trabajo estudiamos y analizamos las ventajas de los dos métodos y proponemos potenciar las debilidades de ambos, respectivamente, con el objetivo de obtener una nueva hibridación entre el Algoritmo de Fuegos Artificiales (FWA) y el Optimizador del Lobo Gris (GWO), que se denota como FWA-GWO, y que se presenta con más detalle en este trabajo. Además, se presentan resultados de simulación sobre un conjunto de problemas que fueron probados en este trabajo con tres metaheurísticas diferentes (FWA, GWO y FWA-GWO) y que forman un conjunto de 22 funciones de referencia en total. Finalmente, se presenta un estudio estadístico con el objetivo de comparar los tres algoritmos diferentes a través de un test de hipótesis (test Z) para apoyar las conclusiones de este trabajo.
Autores: Juan, Barraza; Luis, Rodríguez; Oscar, Castillo; Patricia, Melin; Fevrier, Valdez
Idioma: Inglés
Editor: Hindawi
Año: 2018
Disponible con Suscripción Virtualpro
Artículos
Categoría
Procesos industriales
Licencia
Atribución – Compartir igual
Consultas: 14
Citaciones: Sin citaciones
Hindawi
Journal of Optimization
Volume 2018, Article ID 6495362, 18 pages
https://doi.org/10.1155/2018/6495362
Juan Barraza 1 , Luis Rodríguez 1 , Oscar Castillo 1 , Patricia Melin 1 , Fevrier Valdez 1
, Mexico
Academic Editor: S. Mehdi Vahidipour
Contact: jopti@hindawi.com
El principal objetivo de este trabajo es presentar un nuevo enfoque de hibridación para combinar dos potentes metaheurísticas, una inspirada en la física y otra basada en fenómenos bioinspirados. La primera metaheurística se basa en las leyes de la física e imita la explosión de los fuegos artificiales y se denomina Algoritmo Fireworks; la segunda metaheurística se basa en el comportamiento del lobo gris y pertenece a los métodos de inteligencia de enjambre, y este método se denomina algoritmo Grey Wolf Optimizer. Para este trabajo estudiamos y analizamos las ventajas de los dos métodos y proponemos potenciar las debilidades de ambos, respectivamente, con el objetivo de obtener una nueva hibridación entre el Algoritmo de Fuegos Artificiales (FWA) y el Optimizador del Lobo Gris (GWO), que se denota como FWA-GWO, y que se presenta con más detalle en este trabajo. Además, se presentan resultados de simulación sobre un conjunto de problemas que fueron probados en este trabajo con tres metaheurísticas diferentes (FWA, GWO y FWA-GWO) y que forman un conjunto de 22 funciones de referencia en total. Finalmente, se presenta un estudio estadístico con el objetivo de comparar los tres algoritmos diferentes a través de un test de hipótesis (test Z) para apoyar las conclusiones de este trabajo.
Descripción
El principal objetivo de este trabajo es presentar un nuevo enfoque de hibridación para combinar dos potentes metaheurísticas, una inspirada en la física y otra basada en fenómenos bioinspirados. La primera metaheurística se basa en las leyes de la física e imita la explosión de los fuegos artificiales y se denomina Algoritmo Fireworks; la segunda metaheurística se basa en el comportamiento del lobo gris y pertenece a los métodos de inteligencia de enjambre, y este método se denomina algoritmo Grey Wolf Optimizer. Para este trabajo estudiamos y analizamos las ventajas de los dos métodos y proponemos potenciar las debilidades de ambos, respectivamente, con el objetivo de obtener una nueva hibridación entre el Algoritmo de Fuegos Artificiales (FWA) y el Optimizador del Lobo Gris (GWO), que se denota como FWA-GWO, y que se presenta con más detalle en este trabajo. Además, se presentan resultados de simulación sobre un conjunto de problemas que fueron probados en este trabajo con tres metaheurísticas diferentes (FWA, GWO y FWA-GWO) y que forman un conjunto de 22 funciones de referencia en total. Finalmente, se presenta un estudio estadístico con el objetivo de comparar los tres algoritmos diferentes a través de un test de hipótesis (test Z) para apoyar las conclusiones de este trabajo.