Revista internacional de inteligencia de enjambre y computación evolutiva

Abstracto

Optimización de enjambre de partículas multiobjetivo con búsqueda por descenso de gradiente

Li Ma y Babak Forouraghi*

Se ha demostrado que la optimización por enjambre de partículas (PSO) es un método fiable para abordar muchos tipos de problemas de optimización. En concreto, al resolver problemas de optimización PSO multiobjetivo (MOPSO), se debe prestar especial atención a la selección de parámetros y a la estrategia de implementación para mejorar el rendimiento del optimizador. Este artículo propone un nuevo MOPSO con una capacidad de búsqueda local mejorada. Se introduce un nuevo enfoque de compartición sin parámetros para estimar la densidad de la vecindad de las partículas en el espacio de búsqueda. Inicialmente, el método propuesto determina con precisión el factor de aglomeración de las soluciones; en etapas posteriores, guía eficazmente a todo el enjambre para que converja cerca del verdadero frente de Pareto. Además, el algoritmo utiliza el método de búsqueda local de descenso de gradiente para explorar mejor la región óptima de Pareto. Se informa sobre el rendimiento del algoritmo en varias funciones de prueba y un problema de diseño de ingeniería y se lo compara con otros enfoques. Los resultados obtenidos demuestran que el algoritmo propuesto es capaz de buscar eficazmente a lo largo del frente óptimo de Pareto e identificar las soluciones de compromiso.