Resumen

Este artículo presenta un estudio en profundidad y una evaluación del rendimiento del algoritmo de optimización de enjambre de gatos (CSO). El CSO es un enfoque de optimización robusto y potente basado en enjambres que ha recibido comentarios muy positivos desde su aparición. Ha abordado muchos problemas de optimización, y se han introducido muchas variantes del mismo. Sin embargo, la literatura carece de un estudio detallado o de una evaluación del rendimiento en este sentido. Por lo tanto, este documento es un intento de revisar todos estos trabajos, incluyendo sus desarrollos y aplicaciones, y agruparlos en consecuencia. Además, CSO se prueba con 23 funciones de referencia clásicas y 10 funciones de referencia modernas (CEC 2019). A continuación, los resultados se comparan con tres nuevos y potentes algoritmos de optimización, a saber, el algoritmo de la libélula (DA), el algoritmo de optimización de la mariposa (BOA) y el optimizador dependiente de la aptitud (FDO). Estos algoritmos se clasifican según la prueba de Friedman, y los resultados muestran que CSO ocupa el primer lugar en general. Por último, se emplean enfoques estadísticos para confirmar aún más el rendimiento superior del algoritmo CSO.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:evaluación del rendimiento, enfoque de optimización basado en el enjambre de gatos, cso, rendimiento superior del cso, función de referencia clásica, función de referencia moderna, algoritmo de optimización de mariposa, muchos problemas de optimización, potente enjambre metaheurístico
• Keywords:performance evaluation, based optimization approach, cat swarm optimization, cso, outperformance of cso, classical benchmark function, modern benchmark function, butterfly optimization algorithm, many optimization problem, powerful metaheuristic swarm