Resumen de Análisis Estadístico de Algoritmos Evolutivos para el problema de Selección de Variables

Victor Adrian Jimenez, Diego Fernando Lizondo, Adrian Will

• español

  Durante décadas de investigación en problemas de optimización, se han desarrollado innumerables algoritmos, tanto determinísticos como heurísticos. Aun así, debido a este amplio abanico de posibilidades resulta una tarea compleja determinar cuál de ellos es más adecuado para un problema específico. Se propone en este trabajo una comparativa entre diferentes algoritmos heurísticos de optimización haciendo uso de test estadísticos. Se consideró Simulated Annealing (SA), Algoritmo Genético Simple (sGA), Algoritmos Genético Compacto (cGA) y Deterministic Crowding (DC) aplicados al problema de Selección de Variables para Estimación utilizando Regresión Lineal. Se utilizaron tres casos de prueba, que consisten en la estimación de Radiación Solar, Consumo Eléctrico en la provincia de Tucumán (Argentina), y el tiempo de reaparición de células cancerígenas. Se comprobó que existe suficiente evidencia estadística para afirmar que los algoritmos arrojan resultados significativamente diferentes. Además se concluye que sGA y DC son los algoritmos más apropiados para estos problemas, permitiendo obtener valores de fitness similares siendo sGA ligeramente superior.

• English

  Decades of research in optimization problems have generated a considerable number of algorithms, both deterministic and heuristic. However, due to this wide range of possibilities, determine which one is the most appropriate for a specific problem is a complex task. In this paper, a comparison among different heuristic optimization algorithms using statistical test is proposed. Simulated Annealing (SA), Simple Genetic Algorithm (sGA), Genetic Algorithms Compact (cGA) and Deterministic Crowding (DC) were used, applied to the Variable Selection for estimation problem using Linear Regression. Three test cases were used: solar radiation at the province of Tucuman (Argentina), power consumption estimation in the same area, and estimation of the reappearance of cancer cells. We concluded that there is sufficient statistical evidence to affirm that the algorithms yield significantly different results. Also, we concluded that sGA and DC were the most suitable algorithms, obtaining similar fitness values, being sGA slightly better.