Algoritmo metaheurístico GWO-GAUSS_NEWTON aplicado a problemas de localización
En la actualidad existen varios algoritmos metaheurísticos que son ampliamente empleados para resolver problemas de optimización. El GWO (Grey Wolf Optimizer) es un nuevo algoritmo que presenta resultados competitivos con respecto al estado del arte de las técnicas metaheurísticas. Sobre la base del...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad de las Ciencias Informáticas (UCI)
2023-02-01
|
| Series: | Serie Científica de la Universidad de las Ciencias Informáticas |
| Subjects: | |
| Online Access: | https://publicaciones.uci.cu/index.php/serie/article/view/1277 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | En la actualidad existen varios algoritmos metaheurísticos que son ampliamente empleados para resolver problemas de optimización. El GWO (Grey Wolf Optimizer) es un nuevo algoritmo que presenta resultados competitivos con respecto al estado del arte de las técnicas metaheurísticas. Sobre la base del GWO y el método de Gauss-Newton, se propone un nuevo algoritmo híbrido GWO-Gauss_Newton con el objetivo de mejorar el balance entre las fases de exploración y explotación en el algoritmo GWO. Este algoritmo híbrido es aplicado en el problema de localización en Redes de Sensores Inalámbricas (RSI). Para evaluar el proceso se realizó un estudio comparativo con el GWO original y el algoritmo BAT. La solución minimizó el error de localización de los nodos, demostrando mejores desempeños con respecto a los otros dos algoritmos en términos de precisión, número de nodos localizados y costo de tiempo computacional. |
|---|---|
| ISSN: | 2306-2495 |