Optimización multi-enjambre

La optimización multi-enjambre es una variante de la optimización por enjambre de partículas (PSO) que utiliza múltiples sub-enjambres en lugar de un único enjambre (estándar). El enfoque general de la optimización multi-enjambre consiste en que cada sub-enjambre se centra en una región específica, mientras que un método de diversificación específico decide dónde y cuándo lanzar los sub-enjambres. El marco multi-enjambre es especialmente adecuado para la optimización de problemas multimodales, donde existen múltiples óptimos (locales).

En problemas multimodales, es fundamental lograr un equilibrio efectivo entre exploración y explotación. Los sistemas multi-enjambre ofrecen un nuevo enfoque para mejorar este equilibrio. En lugar de intentar alcanzar un compromiso entre exploración y explotación, lo que podría debilitar ambos mecanismos del proceso de búsqueda, los sistemas multi-enjambre los separan en fases distintas. Cada fase se centra más en la explotación (sub-enjambres individuales) o en la exploración (método de diversificación).

La coordinación de los subenjambres depende del método o métodos de diversificación específicos implementados por el sistema multienjambre. Wave of Swarm of Particles (WOSP), ^{[ 1 ]} por ejemplo, basa su mecanismo de diversificación en la "colisión" de partículas. Cuando las partículas se acercan demasiado, son expulsadas por una fuerza de corto alcance hacia nuevas ondas/subenjambres, evitando así una convergencia completa. El Dynamic Multi-Swarm-Particle Swarm Optimizer (DMS-PSO) ^{[ 2 ]} reagrupa periódicamente las partículas de los subenjambres (después de que hayan convergido) en nuevos subenjambres, los cuales se inician con partículas de enjambres anteriores. Los enjambres de langostas ^{[ 3 ]} se basan en una estrategia de "devorar y avanzar": después de que un subenjambre "devora" una región relativamente pequeña del espacio de búsqueda (para encontrar un óptimo local), se despliegan exploradores para buscar nuevas regiones prometedoras para "avanzar".

Una característica distintiva de los subenjambres es que sus posiciones y velocidades iniciales no se seleccionan aleatoriamente como en los enjambres normales. En cambio, conservan cierta información de las trayectorias previas de las partículas. En general, el desarrollo de sistemas de enjambres múltiples conlleva decisiones de diseño que no existían durante el desarrollo original de la optimización por enjambre de partículas, como el número de partículas a utilizar en cada subenjambre, el valor óptimo para el factor de constricción y los efectos de las posiciones y velocidades iniciales no aleatorias. Estas decisiones de diseño se han estudiado exhaustivamente y cuentan con directrices bien establecidas; por ejemplo, el uso de posiciones y velocidades iniciales no aleatorias conduce a mejores resultados en sistemas de enjambres múltiples, lo que no ocurre en enjambres individuales. ^{[ 4 ]} Otras decisiones de diseño, como qué método de diversificación utilizar o qué estrategia de búsqueda específica seleccionará las posiciones y velocidades iniciales de un subenjambre, tienen directrices menos establecidas y constituyen cuestiones abiertas en el campo de los sistemas de enjambres múltiples.

Algunas de estas decisiones de diseño pueden abordarse mediante subcomponentes relativamente independientes que permiten la inserción de diferentes técnicas de optimización. Los sistemas multi-enjambre proporcionan, por lo tanto, un marco útil para el desarrollo de algoritmos híbridos . Por ejemplo, el sistema multi-enjambre UMDA-PSO ^{[ 5 ]} combina eficazmente componentes de la optimización por enjambre de partículas , el algoritmo de estimación de distribución y la evolución diferencial en un sistema híbrido multi-enjambre.

Existe un grupo de lectura sobre Mendeley disponible para todos los investigadores interesados.

• Inteligencia de enjambre