Discusión sobre el artículo "Algoritmos de optimización de la población: Algoritmo Mind Evolutionary Computation (Computación Evolutiva Mental, (MEC)"
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Algoritmos de optimización de la población: Algoritmo Mind Evolutionary Computation (Computación Evolutiva Mental, (MEC):
En este artículo, analizaremos un algoritmo de la familia MEC llamado algoritmo MEC Simple de evolución mental (Simple MEC, SMEC). El algoritmo se caracteriza por la belleza de la idea expuesta y su sencillez de aplicación.
Los algoritmos basados en poblaciones utilizados en computación evolutiva poseen varias ventajas sobre los algoritmos clásicos a la hora de resolver problemas complejos de alta dimensionalidad. Pueden encontrar de forma más eficiente soluciones subóptimas que se encuentren suficientemente cerca de la óptima, lo cual suele ser aceptable en problemas de optimización relevantes en la práctica.
Un enfoque interesante en computación evolutiva es el algoritmo Mind Evolutionary Computation (MEC) propuesto en 1998 por Chengai y otros. En contraste con la esperada simulación del cerebro humano, el algoritmo MEC modela algunos aspectos del comportamiento humano en sociedad. En este algoritmo, cada individuo es tratado como un agente inteligente que opera en un grupo de personas. A la hora de tomar decisiones, un individuo se siente influido tanto por los miembros de su propio grupo como por los de otros. Para alcanzar una posición elevada en la sociedad, un individuo deberá aprender de las personas con más éxito de su grupo. Al mismo tiempo, para que su grupo tenga más éxito en comparación con otros, todos los individuos deberán guiarse por el mismo principio en la competición intergrupal. Un aspecto importante del algoritmo MEC es el intercambio de información entre individuos dentro de un grupo y entre ellos. Esto refleja la necesidad de un intercambio continuo y libre de información para el desarrollo satisfactorio de una sociedad de individuos inteligentes.
El concepto presentado se implementará mediante algoritmos MEC que utilizan operaciones de contención y disimilación locales responsables de la búsqueda local y global, respectivamente. Los tableros de mensajes son usados por el algoritmo para almacenar información sobre la historia evolutiva de la población y el proceso de optimización se gestiona basándose en esta información.Autor: Andrey Dik