A Memetic Chaotic Gravitational Search Algorithm for unconstrained global optimization problems

Autor: Luis Jiménez Linares, Ricardo García-Ródenas, Julio Alberto López-Gómez
Rok vydání: 2019
Předmět:
Zdroj: RUIdeRA. Repositorio Institucional de la UCLM
instname
ISSN: 1568-4946
DOI: 10.1016/j.asoc.2019.03.011
Popis: Metaheuristic optimization algorithms address two main tasks in the process of problem solving: i) exploration (also called diversification) and ii) exploitation (also called intensification). Guaranteeing a trade-off between these operations is critical to good performance. However, although many methods have been proposed by which metaheuristics can achieve a balance between the exploration and exploitation stages, they are still worse than exact algorithms at exploitation tasks, where gradient-based mechanisms outperform metaheuristics when a local minimum is approximated. In this paper, a quasi-Newton method is introduced into a Chaotic Gravitational Search Algorithm as an exploitation method, with the purpose of improving the exploitation capabilities of this recent and promising population-based metaheuristic. The proposed approach, referred to as a Memetic Chaotic Gravitational Search Algorithm, is used to solve forty-five benchmark problems, both synthetic and real-world, to validate the method. The numerical results show that the adding of quasi-Newton search directions to the original (Chaotic) Gravitational Search Algorithm substantially improves its performance. Also, a comparison with the state-of-the-art algorithms: Particle Swarm Optimization, Genetic Algorithm, Rcr-JADE, COBIDE and RLMPSO, shows that the proposed approach is promising for certain real-world problems.
Los algoritmos de optimización metaheurística abordan dos tareas principales en el proceso de resolución de problemas: i) exploración (también llamada diversificación ) y ii) explotación (también llamada intensificación ). Garantizar una compensación entre estas operaciones es fundamental para un buen desempeño. Sin embargo, aunque se han propuesto muchos métodos mediante los cuales las metaheurísticas pueden lograr un equilibrio entre las etapas de exploración y explotación , siguen siendo peores que los algoritmos exactos en las tareas de explotación, donde los mecanismos basados ​​en gradientes superan a las metaheurísticas cuando se aproxima a un mínimo local. En este artículo, se introduce un método cuasi-Newton en un sistema caóticoAlgoritmo de Búsqueda Gravitacional como método de explotación, con el propósito de mejorar las capacidades de explotación de esta reciente y prometedora metaheurística basada en población. El enfoque propuesto, denominado algoritmo de búsqueda gravitacional caótica memética, se utiliza para resolver cuarenta y cinco problemas de referencia, tanto sintéticos como del mundo real, para validar el método. Los resultados numéricos muestran que la adición de direcciones de búsqueda cuasi-Newton al algoritmo de búsqueda gravitacional original (caótico) mejora sustancialmente su rendimiento. Además, una comparación con los algoritmos de última generación: Particle Swarm Optimization, Genetic Algorithm, Rcr-JADE, COBIDE y RLMPSO, muestra que el enfoque propuesto es prometedor para ciertos problemas del mundo real.
Databáze: OpenAIRE
Externí odkaz: