ReCIBE (Jun 2024)
Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructurada
Abstract
Proponer nuevos métodos metaheurísticos es crucial para la mejora continua en el desarrollo de algoritmos y la capacidad de abordar con eficacia problemas de optimización del mundo real cada vez mas complejos. Por otro lado, la Teoría Evolutiva de Juegos analiza cómo a través de la competencia es posible modificar las estrategias de los individuos dentro de una población con el fin de extender los mecanismos exitosos y reducir o eliminar las estrategias menos exitosas. Este artículo presenta un novedoso enfoque de optimización basado en los principios de la Teoría Evolutiva de Juegos. En el método propuesto, todos los individuos se inicializan mediante la técnica Metropolis-Hasting, que sitúa las soluciones en un punto de partida más cercano a las regiones óptimas o casi óptimas del problema. Se asigna una estrategia original a cada individuo de la población. Al tener en cuenta las interacciones y la competencia entre los distintos agentes del problema de optimización, el enfoque modifica las estrategias para mejorar la eficiencia de la búsqueda y encontrar mejores soluciones. Para evaluar el rendimiento de la técnica propuesta, se compara con ocho algoritmos metaheurísticos bien conocidos utilizando 30 funciones de prueba. La metodología propuesta demostró superioridad en términos de calidad de la solución, dimensionalidad y convergencia en comparación con otros enfoques.
