Evaluación del desempeño de algoritmos de evolución paramétrica para optimización

Abstract

Durante la última década, los métodos de optimización heurísticos basados en imitar a nivel computacional procesos naturales, biológicos, sociales o culturales, han despertado el interés de la comunidad científica debido a su capacidad para explorar eficientemente espacios de soluciones multimodales y multidimensionales. En este ámbito, esta investigación aborda el desarrollo, análisis y puesta a punto de los siguientes métodos de optimización heurísticos: simulated annealing (SA), algoritmos genéticos (AG) y optimización con enjambre de partículas (PSO), posterior a esto se elaborara los algoritmos híbridos (de evolución parametrica), SAA-PSO, PSO-SAA, GA-SAA, utilizando los algoritmos de optimización heurísticos. Estos algoritmos serán puestos a prueba con funciones estándar reportadas en la literatura internacional, todo esto con el fin de analizarlos, compararlos y catalogarlos según el desempeño presentado frente a estas pruebas. En cuanto a las medidas de desempeño están la desviación estándar de las funciones analíticas que se utilizará para medir la estabilidad y precisión de los algoritmos. El algoritmo será descrito como robusto, cuando se prueba en diferentes problemas, y ofrezca precisión y estabilidad. Y por ultimo un algoritmo presentará confianza cuando logra determinar un número de veces el valor óptimo, en una cantidad de pruebas, tomando como referencia la primera cifra decimal. 1