Diseño y desarrollo de algoritmo metaheurístico basado en el comportamiento de lagartija de manchas laterales

Abstract

En los algoritmos metaheurísticos, encontrar el equilibrio óptimo entre la exploración y la explotación es un tema de investigación clave que permanece abierto. En la naturaleza, un reptil denominado lagartija de manchas laterales ha logrado un interesante equilibrio dinámico entre su población. Estas lagartijas evolucionaron con tres morfos asociados a estrategias de apareamiento distintivas. La sinergia entre las morfos genera una población polimórfica, capaz de equilibrar las subpoblaciones de cada morfo de color, sin que el morfo más débil en cada temporada de apareamiento desaparezca. Este equilibrio se logra a medida que el morfo más común se vuelve el más débil, y las subpoblaciones más pequeñas aumentan sus posibilidades de apareamiento. En este trabajo, se propone el Algoritmo de Lagartija de Manchas Laterales (SBLA) por sus siglas en inglés, para emular la población de polimórfica de la lagartija. Se usan tres operadores para garantizar una dinámica que permite la coexistencia de múltiples morfos en la población. Desde el punto de vista computacional, SBLA utiliza una estrategia de gestión de subpoblaciones que emula la distribución sinusoidal de la población de lagartijas a lo largo del tiempo. Además, el comportamiento de apareamiento de cada morfo de color está modelado con tres conceptos: defensivo, expansivo y furtivo. El rendimiento de SBLA se prueba en un conjunto de cinco funciones unimodales, dieciocho multimodales, cuatro funciones de referencia compuestas y problemas de ingeniería como: Viga soldada, diseño de sintetizador FM y el diseño de un cojinete de elementos rodantes. Para validar los resultados, se comparó contra diez algoritmos bien establecidos y utilizando la prueba de Wilcoxon y la corrección de Bonferroni para demostrar que los resultados sean consistentes. Los resultados experimentales muestran la precisión, la robustez y el método único de resolución de problemas del algoritmo propuesto.