Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.12104/81226
Title: | DISEÑO Y EXPERIMENTACIÓN DE UN NUEVO ALGORITMO EVOLUTIVO BASADO EN EL COMPORTAMIENTO DE LA LANGOSTA DEL DESIERTO |
Author: | González Becerra, Adrián |
Advisor/Thesis Advisor: | Cuevas Jiménez, Erik Valdemar Pérez Cisneros, Marco Antonio |
Keywords: | Algoritmo Evolutivo;Comportamiento Langosta Del Desierto. |
Issue Date: | 24-Jan-2018 |
Publisher: | Biblioteca Digital wdg.biblio Universidad de Guadalajara |
Abstract: | La inteligencia de enjambre (SI por sus siglas en inglés “Swarm intelligence”) es una disciplina de la inteligencia artificial que se ocupa del diseño de algoritmos multiagente inteligentes inspirados en el comportamiento colectivo de insectos o animales sociales. Se han propuesto varios algoritmos SI para resolver una amplia gama de aplicaciones de optimización complejos. Aunque tales métodos están diseñados para cumplir los requisitos de problemas de optimización genéricos, ningún algoritmo puede resolver todos los problemas competitivos. Por lo tanto, una enorme cantidad de investigación se ha dedicado a encontrar nuevos métodos de optimización que alcanzan mejores índices de rendimiento. En este trabajo, se propone un nuevo algoritmo llamado enjambre Locust Search (LS) para la solución de tareas de optimización. El algoritmo LS se basa en la simulación del comportamiento presentado en enjambres de langostas. En el algoritmo propuesto, los individuos emulan un grupo de langostas que interactúan entre sí sobre la base de las leyes biológicas del enjambre cooperativa. El algoritmo considera dos comportamientos diferentes: solitarias y sociales. Dependiendo del comportamiento, cada individuo se lleva a cabo por un conjunto de operadores evolutivos que imitan los diferentes comportamientos de cooperación que se encuentran típicamente en el enjambre. Con el fin de ilustrar el nivel de competencia y la robustez del enfoque propuesto, se compara con otros métodos evolutivos bien conocidos. La comparación examina varias funciones de referencia estándar que comúnmente se consideran dentro de la literatura de los algoritmos evolutivos. El resultado muestra un alto rendimiento del método propuesto para la búsqueda de un óptimo global con varias funciones de prueba y aplicaciones de visión por computadora. |
URI: | https://hdl.handle.net/20.500.12104/81226 https://wdg.biblio.udg.mx |
metadata.dc.degree.name: | DOCTORADO EN CIENCIAS DE LA ELECTRONICA Y LA COMPUTACION CON ORIENTACIONES |
Appears in Collections: | CUCEI |
Files in This Item:
File | Size | Format | |
---|---|---|---|
DCUCEI10010.pdf Restricted Access | 340.37 kB | Adobe PDF | View/Open Request a copy |
Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.