Discusión sobre el artículo "Algoritmos de optimización de la población: Algoritmo de optimización de cuco (Cuckoo Optimization Algorithm — COA)"
¡Esos artículos sobre técnicas de optimización metaheurísticas 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: Algoritmo de optimización de cuco (Cuckoo Optimization Algorithm — COA):
El siguiente algoritmo que analizaremos será la optimización de la búsqueda de cuco usando los vuelos de Levy. Este es uno de los últimos algoritmos de optimización, así como el nuevo líder en la clasificación.
Veamos con más detalle el proceso de puesta de huevos por parte del cuco. De todos los nidos, se seleccionará al azar el nido donde se supone que se deberá poner el huevo. Como el huevo será una solución, podrá representarse mediante la calidad del huevo: si el huevo de cuco es de mayor calidad que el huevo original, entonces será reemplazado. De lo contrario, el huevo del progenitor se quedará en el nido. En esencia, la evolución posterior continuará partiendo del pollito superviviente, y esto significará que si el polluelo del huevo del progenitor ha sobrevivido, la evolución continuará desde el mismo lugar. Un mayor desarrollo solo resultará posible si el huevo de cuco resulta más viable, y la búsqueda para resolver el problema continuará desde un nuevo lugar. El árbol de decisión se muestra de forma esquemática en la figura 1.
Figura 1. Árbol de decisión. El punto rojo será el comienzo, mientras que el punto verde será la decisión final.
Autor: Andrey Dik