Optimización adaptativa diferenciada del loro: un algoritmo mejorado de múltiples estrategias para la optimización...

Área de la Ciencia:

• Inteligencia computacional
• Optimización metaheurística
• Algoritmos inspirados en la naturaleza

Sus antecedentes:

• El algoritmo de optimización del loro (PO) es una metaheurística inspirada en la naturaleza basada en el comportamiento del loro.
• PO se enfrenta a desafíos con la diversidad de la población y la convergencia temprana en problemas de optimización complejos.
• Los algoritmos existentes luchan por mantener la efectividad de la búsqueda e identificar soluciones óptimas.

Objetivo del estudio:

• Introducir el algoritmo de optimización de loros diferenciados adaptativos (ADPO) para superar las limitaciones de PO.
• Mejorar las capacidades de exploración, explotación y convergencia del algoritmo de optimización de Parrot.
• Validar la eficacia de ADPO en las funciones de referencia y su aplicación en el mundo real.

Principales métodos:

• Desarrolló ADPO con tres mecanismos novedosos: Variación Diferencial Media (MDV), Caza Basada en el Aprendizaje de Dimensiones (DLH) y Mutualismo Adaptativo Mejorado (EAM).
• MDV emplea mutación de doble fase para una exploración y explotación equilibradas.
• DLH utiliza el aprendizaje dimensional para evitar la convergencia prematura y mantener la diversidad.
• El EAM introduce interacciones guiadas por la aptitud para una intensificación y diversificación equilibradas.

Principales resultados:

• ADPO demostró una velocidad de convergencia superior, eficiencia de búsqueda y precisión de solución en las funciones de referencia CEC2017 y CEC2022.
• En el pronóstico de la energía eólica con LSTM, ADPO logró un R2 promedio de 0,9726, superando a los métodos convencionales.
• ADPO logró consistentemente clasificaciones superiores de Friedman (1.42-2.78) contra 12 algoritmos avanzados.

Conclusiones:

• El ADPO propuesto mejora significativamente las capacidades de optimización en comparación con el PO de referencia.
• ADPO muestra un rendimiento y una eficacia sólidos en la optimización compleja y la predicción de la energía renovable.
• Los nuevos mecanismos abordan efectivamente las cuestiones de diversidad y convergencia de la población en la búsqueda metaheurística.