Un algoritmo de búsqueda de Juegos del Hambre mejorado por múltiples estrategias

Área de la Ciencia:

• Inteligencia computacional
• Algoritmos de optimización
• La búsqueda metaheurística

Sus antecedentes:

• La búsqueda original de los Juegos del Hambre (HGS) sufre de un desequilibrio de exploración / explotación, baja diversidad de población y convergencia prematura.
• Abordar estas limitaciones es crucial para mejorar el rendimiento de los algoritmos de optimización metaheurística.

Objetivo del estudio:

• Introducir un algoritmo mejorado de búsqueda de juegos del hambre (MHGS).
• Para superar los inconvenientes inherentes del algoritmo HGS original.

Principales métodos:

• Implementó un marco de actualización gradual de la posición para la coordinación dinámica de la exploración global y la explotación local.
• Incorpora un operador de reproducción mejorado inspirado en patrones biológicos para mantener la diversidad de la población.
• Desarrolló un mecanismo de manejo de límites adaptativo y una estrategia de aprendizaje de oposición dinámica de élite con coeficientes de autoajuste.

Principales resultados:

• MHGS demostró una mejora promedio del 23,7% en la precisión en siete algoritmos de última generación en funciones de referencia y problemas de ingeniería.
• Una variante binaria, BMHGS_V3, logró una precisión de clasificación promedio del 92,3% para la selección de características en conjuntos de datos UCI.
• El análisis estadístico (Wilcoxon rank-sum test, p < 0,05) confirmó la mejora significativa del rendimiento de la MHGS.

Conclusiones:

• El algoritmo MHGS propuesto ofrece un marco novedoso y eficaz para resolver problemas de optimización complejos.
• MHGS exhibe un valor teórico y práctico significativo en inteligencia computacional.
• La integración sinérgica de sus componentes mejora la solidez y la eficiencia de la búsqueda.