Discusión sobre el artículo "Optimización por comunidad de científicos — Community of Scientist Optimization (CoSO): Práctica"

[MetaQuotes]

Artículo publicado Optimización por comunidad de científicos — Community of Scientist Optimization (CoSO): Práctica:

Continuación del tema de la optimización mediante una comunidad de científicos. CoSO no debe considerarse una solución lista para usar, sino una plataforma de investigación prometedora. Con los ajustes adecuados, CoSO podría encontrar su nicho en problemas en los que la adaptabilidad y la robustez ante los cambios son importantes, y en los que el tiempo de cálculo no es un factor crítico.

El algoritmo CoSO obtiene resultados medios en las funciones de prueba, alcanzando el 43 % del rendimiento máximo posible. Por supuesto, esperaba unos resultados más impresionantes. El banco de pruebas ofrece un conjunto ampliado de funciones, incluidas funciones estándar y ampliamente conocidas, donde cualquier persona interesada puede experimentar adicionalmente tanto con la selección de parámetros como con la elección de funciones para aprovechar mejor las posibilidades del algoritmo.

El principal inconveniente de la implementación actual es su elevada complejidad computacional. La arquitectura multicapa con revistas científicas, distribución dinámica de fondos y gestión adaptativa de la población genera una carga considerable. Este algoritmo es notablemente más lento que otros métodos poblacionales, lo que limita su aplicabilidad en problemas que requieren soluciones rápidas.

Autor: Andrey Dik