Un nuevo algoritmo de optimización adaptativo para resolver problemas de optimización numérica

Área de la Ciencia:

• Inteligencia computacional
• Optimización meta-heurística
• Inteligencia de enjambre

Sus antecedentes:

• El algoritmo de optimización Superb Fairy-wren (SFOA) es una meta-heurística inspirada en los animales. Se enfrenta a limitaciones en entornos complejos, incluida la mala adaptabilidad, la diversidad reducida de la población y la susceptibilidad a óptimas locales.
• El SFOA existente lucha con la capacidad de búsqueda global y adapta su mecanismo de conmutación a problemas de optimización desafiantes.

Objetivo del estudio:

• Para introducir un algoritmo meta-heurístico mejorado, el algoritmo de optimización Adaptive Superb Fairy-wren (ASFOA).
• Abordar las deficiencias identificadas del SFOA, mejorando específicamente su capacidad de adaptación, la diversidad de la población y las capacidades de búsqueda global para tareas de optimización complejas.

Principales métodos:

• La ASFOA propuesta incorpora nuevas estrategias para superar las limitaciones de la SFOA original.
• La validación experimental se llevó a cabo utilizando los conjuntos de pruebas de referencia CEC2018 y CEC2022.
• El rendimiento se evaluó comparando ASFOA con otros ocho algoritmos meta-heurísticos y en 10 problemas de optimización restringidos de ingeniería.

Principales resultados:

• ASFOA demostró un rendimiento superior en comparación con las metaheurísticas existentes en el conjunto de pruebas CEC2018, logrando excelentes clasificaciones promedio.
• El algoritmo mostró fuertes características de convergencia y distribución de la solución en el conjunto de pruebas CEC2022, validando su robustez.
• ASFOA logró una clasificación promedio baja en problemas de optimización restringidos de ingeniería, lo que indica su efectividad en aplicaciones del mundo real.

Conclusiones:

• El Adaptive Superb Fairy-wren Optimization Algorithm (ASFOA) es una variante competitiva y efectiva de los algoritmos metaheurísticos.
• ASFOA muestra mejoras significativas en el manejo de problemas de optimización complejos, demostrando una excelente convergencia y robustez.
• La ASFOA propuesta presenta un enfoque prometedor para resolver los desafíos de optimización tanto teóricos como prácticos.