Un algoritmo de optimización de saltamontes mejorado con mecanismos de avanzada y de múltiples poblaciones para la...

Área de la Ciencia:

• Inteligencia computacional
• Algoritmos de optimización
• Aprendizaje automático

Sus antecedentes:

• El algoritmo de optimización Grasshopper (GOA) es reconocido por su simplicidad y eficacia.
• Sin embargo, el GOA lucha con problemas de optimización de alta dimensión y complejidad.
• Se necesitan técnicas de optimización mejoradas para manejar escenarios complejos.

Objetivo del estudio:

• Proponer una variante mejorada del algoritmo de optimización de saltamontes (GOA) llamado Outpost Multi-population GOA (OMGOA).
• Mejorar tanto la explotación local como las capacidades globales de exploración del Gobierno de Argelia.
• Validar el rendimiento y la aplicabilidad de OMGOA en tareas de optimización complejas y un problema de ingeniería del mundo real.

Principales métodos:

• Desarrollo de OMGOA que integre un mecanismo de puesto de avanzada para una mayor explotación local y un mecanismo de múltiples poblaciones para la exploración y la diversidad globales.
• Realización de estudios de ablación para evaluar la contribución de cada nuevo mecanismo.
• Realizar experimentos comparativos con otros algoritmos en funciones de prueba multidimensionales y una tarea de predicción de litología.

Principales resultados:

• OMGOA demostró un rendimiento de optimización superior en comparación con los algoritmos existentes en experimentos comparativos.
• Los estudios de ablación confirmaron la eficacia tanto de los mecanismos del puesto avanzado como de las poblaciones múltiples.
• El algoritmo logró un rendimiento de clasificación competitivo cuando se aplicó a la predicción de litología a partir de registros petrofísicos.

Conclusiones:

• OMGOA aborda efectivamente las limitaciones del GOA estándar en tareas de optimización de alta dimensión y complejidad.
• Los mecanismos propuestos mejoran significativamente el equilibrio de exploración y explotación, lo que conduce a mejores resultados de optimización.
• OMGOA muestra utilidad práctica y rendimiento competitivo en aplicaciones de ingeniería del mundo real como la predicción de litología.