DISEÑO Y EXPERIMENTACIÓN DE UN NUEVO ALGORITMO DE OPTIMIZACIÓN BASADO EN EL MODELO PRESA-DEPREDADOR

Abstract

En años recientes los algoritmos bio inspirados han llamado la atención de los científicos debido a que han dado solución a problemas de muy diversas disciplinas en tiempos razonables. La fuente de inspiración de los algoritmos bio inspirados son los fenómenos físicos y biológicos de la naturaleza. Uno de los principales problemas de cualquier algoritmo de optimización hay sido el de balancear sus propios mecanismos de exploración y explotación. En este trabajo se presenta un nuevo algoritmo de optimización global bio inspirado llamado Optimizador basado en la dinámica poblacional Presa Depredador (ODPPP) el cual toma su inspiración en el modelo presa depredador Lotka Volterra. Este modelo es representativo de como dos poblaciones compiten por recursos, estableciendo una relación poblacional interespecífica. Los conjuntos presentan comportamientos de depredación específicos que son formulados como operadores de movimiento orientados a la depredación. A través los operadores de dinámica poblacional y los operadores representativos de la depredación de ambas partes en sinergia establecen un adecuado balance de exploración y explotación entre las épocas en el cual se desenvuelve este algoritmo OPDDD. Para su evaluación ,se realizó un comparación de desempeño de diferentes algoritmos tanto en estado del arte como algoritmos bien conocidos en la literatura tales como lo son la colonia artificial de abejas (ABC), el enjambre de peces artificiales (AFSA), el algoritmo de Evolución diferencial (DE), el algoritmo de la búsqueda de los cuervos (CSA), el algoritmo de búsqueda gravitacional (GSA,) el método de optimización del lobo gris (GWO), Algoritmo de presa depredador (PPA) y el método de optimización síncrono-asíncrono de enjambre de partículas (SAPSO).Para demostrar las proficiente capacidades de este nuevo método se emplearon un cama de pruebas con funciones y problemas reales. Se tomo un conjunto de 21 funciones de prueba que conforman la cama de pruebas conformadas por diferentes tipos de funciones como: unimodales, multimodales y compuestas, el desempeño también fue evaluado al implementar los algoritmos y la propuesta en diferentes problemas reales del área de energía e ingeniería de diseño. Las pruebas experimentales mostraron que los resultados del OPDDD son muy competitivos en términos de precisión de la soluciones y pruebas estadísticas, en comparación con los otros métodos empleados con referentes en este trabajo.