La optimización por enjambre de partículas (PSO) es un método de optimización estocástico sensible a la configuración de los parámetros. Este artículo presenta una modificación del optimizador de enjambre de partículas de aprendizaje integral (CLPSO), que es uno de los algoritmos PSO con mejores resultados. El método propuesto introduce un mecanismo autoadaptativo que cambia dinámicamente los valores de los parámetros clave, incluidos el peso de inercia y el coeficiente de aceleración, basándose en la información evolutiva de las partículas individuales y del enjambre durante la búsqueda. Experimentos numéricos demuestran que nuestro enfoque con parámetros adaptativos puede proporcionar una mejora comparable en el rendimiento de la resolución de problemas de optimización global.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Sistema de control pasivo para mitigar las respuestas de amortiguación longitudinal de un puente atirantado de seis torres
Artículo:
Adopción de sistemas de gestión del conocimiento para mejorar el proceso de toma de decisiones en las instituciones de enseñanza superior de los países en desarrollo: Un marco conceptual
Artículo:
El problema de Riemann perturbado con choque delta para un sistema hiperbólico.
Artículo:
Dinámica global y control óptimo de un modelo de infección viral con una tasa de infección genérica no lineal.
Artículo:
Principio de Monomialidad y Funciones Propias de Operadores Diferenciales
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.