Resumen

Con la hipótesis de que la jerarquía social de los lobos grises también se seguiría en sus posiciones de búsqueda, se propone un algoritmo mejorado de optimización del lobo gris (GWO) con pesos variables (VW-GWO). Y para reducir la probabilidad de quedar atrapado en óptimos locales, se propone también una nueva ecuación de gobierno del parámetro de control. Se realizan experimentos de simulación y se hacen comparaciones. Los resultados muestran que el algoritmo VW-GWO propuesto funciona mejor que el GWO estándar, el algoritmo de optimización de hormigas y leones (ALO), el algoritmo de optimización de enjambre de partículas (PSO) y el algoritmo de murciélagos (BA). El novedoso algoritmo VW-GWO también se verifica en problemas de alta dimensión.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:algoritmo gwo, optimización de león hormiga, optimización de enjambre de partículas, optimización de lobo gris, jerarquía social, parámetros de control, posición de búsqueda, experimento de simulación, peso variable, gwo estándar
• Keywords:gwo algorithm, ant lion optimization, particles swarm optimization, grey wolf optimization, social hierarchy, controlling parameters, searching position, simulation experiment, variable weight, standard gwo