Comparative Study of the Efficiency and Effectiveness Against the Use of Genetic Algorithms and Swarms
Loading...
Date
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Corporación Universitaria Minuto de Dios-UNIMINUTO
Abstract
This article focuses on making a comparison between the efficiency and effectiveness of two search techniques with the intention of evaluating the behavior in the adjustment of solutions, they are: genetic algorithms and particle swarm. Both techniques have proven to be effective and their application covers problems in very diverse areas, their structures have proven to be capable of efficiently solving uninformed search problems in complex systems, in addition, they are characterized by their populations of static, preprogrammed and adaptive coefficients. Thus, the main objective is to focus on the two techniques and find which of the two best approximates a set of experimental measurements, as well as analyze the similarities and differences between said optimization techniques. Optimization consists of finding those values in the search space that represent a close solution for a given problem. The initial approach considers the evaluation of a numerical optimization design which serve as a model to determine the behavior, even against traditional adjustment techniques, however, it is not intended to qualify a technique as better, but to provide elements that allow deciding which implementation use before a problem with characteristics similar to the case study raised, for this reason, when carrying out the pertinent study it was shown that genetic algorithms are methods with simple structures that implement an adaptation mechanism that can continue to solve it.
Este artículo se enfoca en el análisis comparativo entre la eficiencia y la eficacia de dos técnicas de búsquedas, con la intención de evaluar el comportamiento en el ajuste de soluciones. Las dos técnicas analizadas son los algoritmos genéticos y el enjambre de partículas. Ambas han demostrado ser efectivas y su aplicación abarca problemas en muy diversas áreas. Sus estructuras han probado ser capaces de resolver de forma eficiente problemas de búsquedas no informadas en sistemas complejos; además, se caracterizan por sus poblaciones de coeficientes estáticos, preprogramados y adaptativos. Siendo así, el objetivo principal es enfocar las dos técnicas y encontrar cuál de las dos se aproxima de mejor manera a un conjunto de medidas experimentales, así como analizar las similitudes y diferencias entre dichas técnicas de optimización. La optimización consiste en encontrar aquellos valores en el espacio de búsqueda que representan una solución cercana para un problema dado. El planteamiento inicial considera la evaluación sobre un diseño numérico de optimización las cuales sirven de modelo para determinar el comportamiento, incluso frente a técnicas de ajustes tradicionales; sin embargo, no se pretende calificar como mejor alguna de las dos técnicas, sino dar elementos que permitan decidir cuál de ellas utilizar ante un problema de características similares al caso de estudio planteado. Por tal motivo, al realizar el estudio pertinente, se demostró que los algoritmos genéticos son métodos con estructuras que implementan un mecanismo de adaptación y pueden seguir solucionándolo.
Este artigo tem como foco fazer uma comparação entre a eficiência e eficácia de duas técnicas de busca com o intuito de avaliar o comportamento no ajuste de soluções, são elas: algoritmos genéticos e enxame de partículas. Ambas as técnicas têm se mostrado eficazes e sua aplicação abrange problemas em áreas muito diversas, suas estruturas têm se mostrado capazes de resolver com eficiência problemas de busca não informada em sistemas complexos, além disso, são caracterizadas por suas populações de coeficientes estáticos, pré-programados e adaptativos Assim, o objetivo principal é focar nas duas técnicas e descobrir qual das duas melhor se aproxima de um conjunto de medidas experimentais, bem como analisar as semelhanças e diferenças entre as referidas técnicas de otimização. A otimização consiste em encontrar no espaço de busca aqueles valores que representam uma solução próxima para um determinado problema. A abordagem inicial considera a avaliação de um projeto de otimização numérica que sirva de modelo para determinar o comportamento, mesmo contra técnicas de ajuste tradicionais, porém, não se pretende qualificar uma técnica como melhor, mas fornecer elementos que permitam decidir qual implementação usar diante de um problema com características semelhantes ao estudo de caso levantado, por esta razão, ao realizar o estudo pertinente foi mostrado que os algoritmos genéticos são métodos com estruturas simples que implementam um mecanismo de adaptação que pode continuar a resolvê-lo.
Este artículo se enfoca en el análisis comparativo entre la eficiencia y la eficacia de dos técnicas de búsquedas, con la intención de evaluar el comportamiento en el ajuste de soluciones. Las dos técnicas analizadas son los algoritmos genéticos y el enjambre de partículas. Ambas han demostrado ser efectivas y su aplicación abarca problemas en muy diversas áreas. Sus estructuras han probado ser capaces de resolver de forma eficiente problemas de búsquedas no informadas en sistemas complejos; además, se caracterizan por sus poblaciones de coeficientes estáticos, preprogramados y adaptativos. Siendo así, el objetivo principal es enfocar las dos técnicas y encontrar cuál de las dos se aproxima de mejor manera a un conjunto de medidas experimentales, así como analizar las similitudes y diferencias entre dichas técnicas de optimización. La optimización consiste en encontrar aquellos valores en el espacio de búsqueda que representan una solución cercana para un problema dado. El planteamiento inicial considera la evaluación sobre un diseño numérico de optimización las cuales sirven de modelo para determinar el comportamiento, incluso frente a técnicas de ajustes tradicionales; sin embargo, no se pretende calificar como mejor alguna de las dos técnicas, sino dar elementos que permitan decidir cuál de ellas utilizar ante un problema de características similares al caso de estudio planteado. Por tal motivo, al realizar el estudio pertinente, se demostró que los algoritmos genéticos son métodos con estructuras que implementan un mecanismo de adaptación y pueden seguir solucionándolo.
Este artigo tem como foco fazer uma comparação entre a eficiência e eficácia de duas técnicas de busca com o intuito de avaliar o comportamento no ajuste de soluções, são elas: algoritmos genéticos e enxame de partículas. Ambas as técnicas têm se mostrado eficazes e sua aplicação abrange problemas em áreas muito diversas, suas estruturas têm se mostrado capazes de resolver com eficiência problemas de busca não informada em sistemas complexos, além disso, são caracterizadas por suas populações de coeficientes estáticos, pré-programados e adaptativos Assim, o objetivo principal é focar nas duas técnicas e descobrir qual das duas melhor se aproxima de um conjunto de medidas experimentais, bem como analisar as semelhanças e diferenças entre as referidas técnicas de otimização. A otimização consiste em encontrar no espaço de busca aqueles valores que representam uma solução próxima para um determinado problema. A abordagem inicial considera a avaliação de um projeto de otimização numérica que sirva de modelo para determinar o comportamento, mesmo contra técnicas de ajuste tradicionais, porém, não se pretende qualificar uma técnica como melhor, mas fornecer elementos que permitam decidir qual implementação usar diante de um problema com características semelhantes ao estudo de caso levantado, por esta razão, ao realizar o estudo pertinente foi mostrado que os algoritmos genéticos são métodos com estruturas simples que implementam um mecanismo de adaptação que pode continuar a resolvê-lo.