ALGORITMO DE OPTIMIZACIÓN GLOBAL INSPIRADO EN EL COMPORTAMIENTO DE REBAÑOS EGOÍSTAS

Abstract

RESUMEN

En este trabajo de tesis, un nuevo algoritmo de optimización basado en comportamientos de enjambre, llamado Optimizador del Rebaño Egoísta (SHO por su abreviación en inglés), es propuesto para resolver problemas de optimización global. La estructura del algoritmo SHO está basado en el ampliamente observado comportamiento de rebaño egoísta, manifestado como resultado de las interacciones presa-depredador presentes entre ciertos grupos de animales. El enfoque propuesto considera dos tipos de agentes de búsqueda: los miembros de un rebaño egoísta (las presas) y un grupo de depredadores. El comportamiento de cada uno de estos agentes es regido por un conjunto de reglas y operadores inspirados por las interacciones naturales entre presas y depredadores. Con la finalidad de ilustrar la competitividad del método propuesto, su desempeño ha sido comparado con respecto otros enfoques similares, como son Optimización por Enjambre de Partículas (PSO), Colonia de Abejas Artificiales (ABC), Algoritmo de las Luciérnagas (FA), Evolución Diferencial (DE), Algoritmos Genéticos (GA), Algoritmo de Búsqueda del Cuervo (CSA), Algoritmo de la Libélula (DA), Algoritmo de Optimización de la Polilla-llama (MOA) y Algoritmo Seno Coseno (SCA).