Una comparativa del algoritmo particle swarm optimization con restricciones entre los métodos de factor de constricción y neighborhood con coeficiente bde inercia dinámico

Los diferentes enfoques de optimización por enjambre de partículas ofrecen variantes que ayudan a mejorar la performance del algoritmo en una serie de aspectos tales como robustez, calidad, confiabilidad de resultados en óptimos globales, entre otros. La hibridación entre algunas de estas variantes...

Descripción completa

Detalles Bibliográficos
Autores principales: Azar, Miguel Augusto, Paz, Fabiola, Herrera Cognetta, Analía
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2015
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/50643
Aporte de:
id I19-R120-10915-50643
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Inteligencia Artificial
inteligencia de enjambre
Heuristic methods
Optimization
spellingShingle Ciencias Informáticas
Inteligencia Artificial
inteligencia de enjambre
Heuristic methods
Optimization
Azar, Miguel Augusto
Paz, Fabiola
Herrera Cognetta, Analía
Una comparativa del algoritmo particle swarm optimization con restricciones entre los métodos de factor de constricción y neighborhood con coeficiente bde inercia dinámico
topic_facet Ciencias Informáticas
Inteligencia Artificial
inteligencia de enjambre
Heuristic methods
Optimization
description Los diferentes enfoques de optimización por enjambre de partículas ofrecen variantes que ayudan a mejorar la performance del algoritmo en una serie de aspectos tales como robustez, calidad, confiabilidad de resultados en óptimos globales, entre otros. La hibridación entre algunas de estas variantes no necesariamente garantiza un resultado exitoso en cuanto a los aspectos mencionados. El presente trabajo se concentra en estudiar los problemas de optimización con restricciones mediante la comparación entre el clásico algoritmo PSO con factor de constricción y un híbrido con topología de vecindad y factor de inercia dinámico.
format Objeto de conferencia
Objeto de conferencia
author Azar, Miguel Augusto
Paz, Fabiola
Herrera Cognetta, Analía
author_facet Azar, Miguel Augusto
Paz, Fabiola
Herrera Cognetta, Analía
author_sort Azar, Miguel Augusto
title Una comparativa del algoritmo particle swarm optimization con restricciones entre los métodos de factor de constricción y neighborhood con coeficiente bde inercia dinámico
title_short Una comparativa del algoritmo particle swarm optimization con restricciones entre los métodos de factor de constricción y neighborhood con coeficiente bde inercia dinámico
title_full Una comparativa del algoritmo particle swarm optimization con restricciones entre los métodos de factor de constricción y neighborhood con coeficiente bde inercia dinámico
title_fullStr Una comparativa del algoritmo particle swarm optimization con restricciones entre los métodos de factor de constricción y neighborhood con coeficiente bde inercia dinámico
title_full_unstemmed Una comparativa del algoritmo particle swarm optimization con restricciones entre los métodos de factor de constricción y neighborhood con coeficiente bde inercia dinámico
title_sort una comparativa del algoritmo particle swarm optimization con restricciones entre los métodos de factor de constricción y neighborhood con coeficiente bde inercia dinámico
publishDate 2015
url http://sedici.unlp.edu.ar/handle/10915/50643
work_keys_str_mv AT azarmiguelaugusto unacomparativadelalgoritmoparticleswarmoptimizationconrestriccionesentrelosmetodosdefactordeconstriccionyneighborhoodconcoeficientebdeinerciadinamico
AT pazfabiola unacomparativadelalgoritmoparticleswarmoptimizationconrestriccionesentrelosmetodosdefactordeconstriccionyneighborhoodconcoeficientebdeinerciadinamico
AT herreracognettaanalia unacomparativadelalgoritmoparticleswarmoptimizationconrestriccionesentrelosmetodosdefactordeconstriccionyneighborhoodconcoeficientebdeinerciadinamico
bdutipo_str Repositorios
_version_ 1764820475241824259