Discusión sobre el artículo "Algoritmos de optimización de la población: Optimización del Lobo Gris (Grey Wolf Optimizer - GWO)"

[MetaQuotes]

Artículo publicado Algoritmos de optimización de la población: Optimización del Lobo Gris (Grey Wolf Optimizer - GWO):

Hoy analizaremos uno de los algoritmos de optimización más modernos: la Optimización del Lobo Gris. El original comportamiento de las funciones de prueba hace que este sea uno de los algoritmos más interesantes entre los analizados anteriormente. Uno de los líderes para la aplicación en el entrenamiento de redes neuronales y funciones suaves con muchas variables.

Figura 3. Patrón de movimiento de omega en relación con alfa, beta y delta.

El pseudocódigo del algoritmo GWO será el siguiente:

1) Inicializamos aleatoriamente la población de lobos grises.
2) Calculamos la aptitud de cada miembro de la población.
3) Líderes de manada:
-α = miembro con el mejor valor de idoneidad
-β = segundo mejor integrante (en términos de idoneidad)
-δ = tercer mejor integrante (en términos de valor de aptitud)
Luego actualizaremos las posiciones de todos los lobos omega según las fórmulas que dependen de α, β, δ
4) Calculamos la idoneidad de cada miembro de la población.
5) Repetimos el paso 3.

Autor: Andrey Dik