En este trabajo se presenta y estudia empíricamente una optimización de enjambre de partículas mejorada con cría de elitistas (EB-QPSO) para la optimización sin restricciones. En EB-QPSO, la novedosa estrategia de cría de elitistas actúa sobre los elitistas del enjambre para escapar de los probables óptimos locales y guiar al enjambre para que realice una búsqueda más eficiente. Durante el proceso de optimización iterativo de EB-QPSO, cuando se cumplen los criterios, el mejor individuo de cada partícula y el mejor global del enjambre se utilizan para generar nuevos individuos diversos mediante los operadores de transposones. Los nuevos individuos generados con mejor aptitud se seleccionan para ser las nuevas partículas mejores personales y la mejor partícula global para guiar el enjambre para la exploración de soluciones adicionales. Se lleva a cabo un amplio estudio de simulación con un conjunto de doce funciones de referencia. En comparación con cinco algoritmos de optimización de enjambre de partículas con comportamiento cuántico, el EB-QPSO propuesto es más competitivo en todas las funciones de referencia en términos de mejor capacidad de búsqueda global y mayor velocidad de convergencia.
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:
Control de un robot humanoide NAO mediante un módulo cerebeloso bioinspirado adaptativo en tareas de movimiento 3D
Artículo:
Correlación entre la porosidad y las propiedades electromecánicas del papel bucky de nanotubos de carbono con distintas porosidades
Artículo:
Simulación de nanosensores para detectar partículas contaminantes utilizando sistemas de información
Artículo:
Análisis de la inestabilidad por tracción de una micro viga geométricamente no lineal utilizando una red neuronal artificial de base radial basada en la teoría de la tensión de pareja
Artículo:
Dispositivo de microoxigrafía para aplicaciones biosensoriales