Resumen

El algoritmo de optimización de enjambre de partículas (PSO) es una técnica de búsqueda estocástica inteligente basada en la población que se utiliza para buscar alimento con la manera intrínseca de los enjambres de abejas. PSO se utiliza ampliamente para resolver los diversos problemas de optimización. La inicialización de la población es un factor crítico en el algoritmo PSO, que influye considerablemente en la diversidad y la convergencia durante el proceso de PSO. Las secuencias cuasi-aleatorias son útiles para inicializar la población para mejorar la diversidad y la convergencia, en lugar de aplicar la distribución aleatoria para la inicialización. En este trabajo se amplía el rendimiento de PSO para hacerlo apropiado para el problema de optimización introduciendo una nueva técnica de inicialización llamada WELL con la ayuda de la secuencia de baja discrepancia. Para resolver los problemas de optimización en espacios de búsqueda de gran dimensión, la solución propuesta se denomina WE-PSO. La solución propuesta se ha verificado en quince problemas de referencia unimodales y multimodales muy conocidos y utilizados en la literatura. Además, el rendimiento de WE-PSO se compara con el PSO estándar y con otros dos enfoques de inicialización: el PSO basado en Sobol (SO-PSO) y el PSO basado en Halton (H-PSO). Los resultados indican que WE-PSO es mejor que las técnicas estándar de resolución de problemas multimodales. Los resultados validan la eficacia y efectividad de nuestro enfoque. En comparación, el enfoque propuesto se utiliza para el aprendizaje de redes neuronales artificiales (RNA) y se contrasta con el algoritmo de retropropagación estándar, el PSO estándar, el H-PSO y el SO-PSO, respectivamente. Los resultados de nuestra técnica tienen una mayor puntuación de precisión y superan a los métodos tradicionales. Además, el resultado de nuestro trabajo presenta una visión de cómo la técnica de inicialización propuesta tiene un alto efecto en la calidad de la función de coste, la integración y los aspectos de diversidad.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:pso, pso basado, problema de optimización, pso estándar, mayor puntuación de precisión, problema de prueba de referencia, técnicas de búsqueda estocástica, problema multimodal estándar, espacio de búsqueda dimensional, técnicas de inicialización propuestas
• Keywords:pso, based pso, optimization problem, standard pso, higher accuracy score, benchmark test problem, stochastic search techniques, standard multimodal problem, dimensional search space, proposed initialization techniques