Colonia de abejas artificiales y optimización por enjambre de partículas para la estimación de parámetros de regresión no lineal

• de los Cobos Silva, Sergio Gerardo ^[1] ; Gutiérrez Andrade, Miguel Ángel ^[1] ; Rincón-García, Eric Alfredo ^[1] ; Lara Velázquez, Pedro ^[1] ; Aguilar-Cornejo, Manuel ^[1]
  1. [1] Universidad Autónoma Metropolitana

     Universidad Autónoma Metropolitana

     México

     
• Localización: Revista de Matemática: Teoría y Aplicaciones, ISSN 2215-3373, ISSN-e 2215-3373, Vol. 21, Nº. 1, 2014, págs. 107-126
• Idioma: español
• DOI: 10.15517/rmta.v21i1.14141
• Títulos paralelos:
  • Artificial bee colony and particle swarm optimization for the estimation of nonlinear regression parameters
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

     Este trabajo presenta la comparación de los resultados de las técnicas heurísticas de ABC colonias de abejas artificiales (Artificial Bee Colony) y PSO enjambres de partículas (Particle Swarm Optimization) que son utilizadas para la estimación de parámetros de modelos de regresión no lineal. Los algoritmos fueron probados sobre 27 bases de datos de la colección NIST(2001), de las cuales 8 son consideradas con un alto grado de dificultad, 11 con un grado de dificultad medio y 8 con un grado de dificultad bajo. Se presentan los resultados experimentales.     

  • English

    This paper shows the comparison results of ABC (Artificial Bee Colony) and PSO (Particle Swarm Optimization) heuristic tech- niques that were used to estimate parameters for nonlinear regression models. The algorithms were tested on 27 data bases from the NIST collection (2001), 8 of these are considered to have high difficulty, 11 medium difficulty and 8 low difficulty. Experimental results are presented.     

• Referencias bibliográficas
  • Abbass, H.A. (2001) “Marriage in honey-bee optimization (MBO): a haplometrosis polygynous swarming approach”, en: Proceedings The Congress...
  • Afshar, A.; Bozog Haddad, O; Marino, M.A.; Adams, B.J. (2007)“Honey-bee mating optimization (HBMO) algorithm for optimal reservoir operation”,...
  • de los Cobos, S.; Gutiérrez, M.A.; Rincón, E.; Lara, P.; Aguilar, M. (2012) “Estimación de parámetros de regresión no lineal mediante...
  • Draper, N.R.; Smith, H. (1998) Applied Regression Analysis. Wiley, New York.
  • Karaboga D.; Akay, B. (2007) “Artificial bee colony (ABC) algorithm on training artificial neural networks”, en: Proceedings of 15th IEEE...
  • Kennedy, J.; Eberhart, R.C. (2000), Intelligent Swarm Systems. Academic Press, New York, USA.
  • Kennedy, J.; Eberhart, R.C.; Shi Y. (2001) Swarm Intelligence. Morgan Kaufmann, San Francisco, USA.
  • McCullough, B.D.; Wilson, B. (2005) “On the accuracy of stastistical procedures in Microsoft Excel 2003”, Comput. Stast. and Data Anal. 49:...
  • NIST (2001), en: http://www.itl.nist.gov/div898/strd/general/dataarchive.html, consultada 20-Feb-2012, 11:35 a.m.
  • Ozturk, C.; Karaboga, D. (2008) “Classifications by neural networks and clustering with artificial bee colony (ABC) algorithm”, en: Proceedings...
  • Pham, D.T.; Koc, E.; Lee, J.Y.; Phrueksanant, J. (2007) “Using the bees algorithm to schedule jobs for a machine”, en: Proceedings Eighth...
  • Tvrdík, J. (2009) “Adaptation in di"erential evolution: a numerical comparison”, Applied Soft Computing 9: 1149–1155.