Algoritmo basado en Nubes de Partículas para la optimización global de funciones en espacios multidimensionales complejos

Abstract

Optimización basada en Nubes de Partículas es una meta-heurística bionspirada que permite encontrar soluciones prometedoras en espacios de búsqueda complejos. En Optimización basada en Nubes de Partículas estándar es frecuente que la nube de partículas sea atraída por soluciones sub-óptimas, provocando la convergencia prematura del algoritmo y el estancamiento de la bandada. En este artículo se presenta una variante modificada del algoritmo Optimización basada en Nubes de Partículas, que haciendo uso de muestras aleatorias en vecindades variables dispersa la bandada cuando es detectado un estado de estancamiento, ofreciendo de esta manera una alternativa de escape a los óptimos locales. La efectividad y eficiencia del algoritmo propuesto es examinada y resultados experimentales muestran su capacidad para aproximar el mínimo global de nueve funciones benchmark reportadas en la literatura.

Keywords

• convergencia prematura, estancamiento, muestreo aleatorio optimización basada en nubes de partículas, vecindades variables.