Improvement Strategies for Multi-swarm PSO in Dynamic Environments

Novoa-Hernández, Pavel; Pelta, David A.; Corona, Carlos Cruz

doi:10.1007/978-3-642-12538-6_31

Cited by 13 publications

(8 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Como medidas de rendimiento se consideraron: la media de la calidad (valor de la función objetivo) de la mejor solución del algoritmo antes del cambio [24], [25], y el grado de factibilidad de la mejor solución antes del cambio. La fórmula matemática correspondiente a la primera medida es la siguiente:…”

Section: Resultsunclassified

Optimización de modelos de Stackelberg no estacionarios mediante un algoritmo evolutivo auto-adaptativo

Cedeño-Fuentes

Arboleda-Castro

Jacho-Sánchez

et al. 2017

TecnoL.

Self Cite

View full text Add to dashboard Cite

Los modelos de Juegos de Stackelberg engloban una importante familia de problemas de la Teoría de Juegos, que encuentra aplicaciones directas en economía. El principal objetivo es encontrar un equilibrio óptimo entre las decisiones que pueden tomar dos actores que se relacionan jerárquicamente. En general estos modelos son complejos de resolver dada su estructura jerárquica, y la frecuente aparición en estos de funciones objetivos o restricciones intratables analíticamente. Otra causa de dicha complejidad es la existencia de incertidumbre, particularmente debido a la variabilidad en el tiempo de las condiciones del mercado, estrategias de los competidores, entre otras. Un análisis de la literatura relacionada muestra muy pocos trabajos abordando estos problemas de optimización no estacionarios. En este sentido, la presente investigación propone una técnica meta-heurística auto-adaptativa para resolver modelos de Juegos de Stackelberg no estacionarios. Los resultados experimentales obtenidos muestran una mejoría significativa sobre un método existente.

show abstract

Section: Resultsunclassified

Optimización de modelos de Stackelberg no estacionarios mediante un algoritmo evolutivo auto-adaptativo

Cedeño-Fuentes

Arboleda-Castro

Jacho-Sánchez

et al. 2017

TecnoL.

Self Cite

View full text Add to dashboard Cite

show abstract

“…Para simular algunas situaciones reales se consideraron los escenarios mostrados en la Tabla 1, que corresponden al modelo a resolver. Como principal medida de rendimiento se seleccionó la media de la calidad (valor de la función objetivo) de la mejor solución del algoritmo antes del cambio (Novoa-Hernández et al, 2011, 2010. La fórmula matemática correspondiente a esta medida es la siguiente:…”

Section: Resultados Y Discusiónunclassified

Un enfoque computacional evolutivo para problemas de competencia de Stackelberg dinámicos

et al. 2016

Self Cite

View full text Add to dashboard Cite

Los modelos de competencia de Stackelberg agrupan a una gran familia de problemas de decisión económicos provenientes de la Teoría de Juego, en los que el objetivo principal es encontrar las estrategias óptimas entre un par de competidores teniendo en cuenta una jerarquía entre ellos. Aunque estos modelos han sido abordados ampliamente a lo largo de los últimos años, es importante destacar que muy pocos trabajos tratan escenarios con incertidumbre, especialmente aquellos que varían en el tiempo. En este sentido, la presente investigación aborda estos escenarios y propone un método computacional basado en técnicas metaheurísticas que resuelve de manera eficiente modelos de competencia de Stackelberg dinámicos. Los experimentos computacionales desarrollados sugieren que el enfoque propuesto resulta efectivo para problemas de esta naturaleza.

show abstract

“…If the Euclidean distance between the best found positions of two sub-populations is less than the threshold, the inferior one is re-initialized. An improved version of mQSO is proposed in [30], in which the procedure of increasing diversity after each environmental change, is improved. To this end, individuals of each sub-population are sorted based on their fitness and divided into three groups.…”

Section: Related Workmentioning

confidence: 99%