Discusión sobre el artículo "Algoritmos de optimización de la población: Optimización del Lobo Gris (Grey Wolf Optimizer - GWO)"
¿Habrá optimización por el método del rebaño del pobre comerciante? ))
¡Esos artículos sobre técnicas de optimización metaheurística son impresionantes! Estás haciendo un gran trabajo Andrey, es alucinante la cantidad de experiencia que tienes para compartir con nosotros, ¡gracias!
@METAQUOTES ¡por favor considera implementar esos objetivos de optimización metaheurística al optimizador! Sería genial para el software.
Algo fácil que el usuario puede establecer dentro de OnTester() como:
OptimizerSetEngine("ACO"); // Optimización de colonias de hormigas OptimizadorSetEngine("COA"); // algoritmo de optimización cuco OptimizerSetEngine("ABC"); // colonia artificial de abejas OptimizerSetEngine("GWO"); // optimizador lobo gris OptimizadorSetEngine("PSO"); // optimización por enjambre de partículas
Saludos desde Brasil
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: 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:
Autor: Andrey Dik