¿Son adecuados los algoritmos bio-inspirados binarios recientes para selección de características?

• Francisco Javier Rodríguez Díaz ; Miguel García López ^[1] ; Daniel Molina Cabrera
  1. [1] Universidad de Granada

     Universidad de Granada

     Granada, España

     
• Localización: Actas del XVI Congreso Español de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados: (MAEB 2025) 28-30 de mayo, Donostia/San Sebastián / coord. por Leticia Hernando Rodríguez , Josu Ceberio Uribe , Jon Vadillo Jueguen, 2025, ISBN 978-84-1319-656-5, págs. 210-219
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • Los algoritmos bioinspirados han ganado mucha popularidad en los últimos años, produciéndose un gran número de propuestas cada año. Sin embargo, estudios recientes han cuestionado el grado de novedad de gran parte de ellos. Y no solo eso, también la mejora experimental que pueden ofrecer frente a otros algoritmos más consolidados en la literatura. Aunque la mayoría de esos algoritmos recientes se han diseñado inicialmente para optimización continua, también existen versiones binarias para abordar problemas como la selección de características. Dado que se duda de las ventajas competitivas de los versiones originales, dicha duda también se puede extender hacia estas versiones binarias, sobre si realmente superan a los métodos metaheurísticos más consolidados en la literatura. Para responder a esta pregunta, este trabajo compara la eficiencia de algoritmos bio-inspirados binarios recientes con otros más tradicionales para la selección de características en distintos problemas de clasificación. Los resultados indican que la mayoría de estos nuevos algoritmos binarios no mostraron un rendimiento significativamente mejor en comparación con otras técnicas más tradicionales, como los algoritmos genéticos o los sistemas de partículas, y en el caso más competitivo, lo conseguía a costa de un mayor coste computacional. Por tanto, estos recientes algoritmos binarios no aportan ventajas prácticas sobre los métodos más clásicos. Esperamos que las conclusiones de este análisis ayuden a los investigadores a tomar decisiones fundadas a la hora de abordar la selección de características usando metaheurísti- cas, fuera de modas, contribuyendo así a un avance real, y más sostenible, de la inteligencia artificial