“Optimización gravitatoria” y “Optimización por enjambre de partículas": comportamiento en funciones no-lineales

• Zapatero Moreno, María José ^[1] ; Alegre Martínez, Jesús ^[1] ; Pacheco de Bonrostro, Joaquín ^[1]
  1. [1] Universidad de Burgos

     Universidad de Burgos

     Burgos, España

     
• Localización: Anales de ASEPUMA, ISSN-e 2171-892X, Nº. 18, 2010
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Proponemos dos heurísticas para obtener óptimos globales de varias funciones no lineales, algunas multimodales. Una de las heurísticas está basada en la estrategia denominada Optimización Gravitatoria; en ella se concibe el espacio de soluciones análogamente al espacio-tiempo relativista, en el que la métrica es modificada por el campo gravitatorio generado por las diferentes partículas en él inmersas. En ella, el papel de la atracción gravitatoria lo juega la función objetivo; el óptimo se encontrará en el punto donde se encuentre la mayor masa. Como esta posición se desconoce, mediremos la variación de la geometría; Igual que en relatividad general la variación de la geometría nos lleva a descubrir la mayor masa, en la heurística nos conduce al óptimo global. La segunda heurística es conocida como Optimización por Enjambre de Partículas; en ella las partículas se mueven por la inercia y la atracción de sus líderes.

  • English

    We propose two different heuristics for obtaining global optimum of several nonlinear functions, some multimodal. One of them is based on the optimization strategy called Space Gravitational Optimization where the solution space is seen as the relativistic space-time, in which the metric is modified by the gravitational field generated by the different particles embedded in it. The role of the gravitational pull is played by the objective function; the best would be in the hypothetical point where the greatest mass lies. As this position is unknown, it’s necessary to measure the change of geometry. In the same way as in general relativity the change in geometry leads us to discover the largest mass, in this heuristic leads us to the global optimum. The second heuristic is well known as Particle Swarm Optimization, in it the particles will move guided by the effect of inertia and the attraction of leading members.

• Referencias bibliográficas
  • Hsiao, Chuang, Jiang and Chien (2005) “A Novel Optimization Algorithm: Space Gravitational Optimization”. Systems, Man and Cybernetics, IEEE...
  • Kennedy J., Eberhart R. (1995) “Particle swarm optimization”. Proceedings of the 1995 IEEE International Conference on Neural Networks, IV,...
  • Laguna M. and Marti R. (2005) “Experimental Testing of Advanced Scatter Search Designs for Global Optimization of Multimodal Functions”. Journal...
  • Martínez García F. J., Moreno Pérez J.A., “Optimización por enjambre para la mediana continua y discreta” MAEB 2007
  • Tu Z. and Lu Y. (2004). “A Robust Stochastic Genetic Algorithm (StGA) forGlobal Numerical Optimization”. IEEE Transactions on Evolutionary...