Pso multi-enjambre en problemas dinámicos de optimización: una guía de aplicación

Abstract

Esta investigación trata sobre la optimización de problemas dinámicos (PDO) a través de técnicas computacionales heurísticas, específicamente técnicas basadas en Optimización con Enjambre de Partículas (PSO) multi-enjambre. Varios fenómenos de la vida real pueden ser tratados como PDOs (ej. el sistema de semáforos de una ciudad, la variación de las ventas en un período o el control automático de un proceso industrial). Estos problemas se caracterizan por presentar funciones objetivos que varían con el tiempo, por lo que las técnicas para optimizarlos deben tratar de adaptarse a los cambios, en vez de re-optimizar constantemente. Una variante bastante eficaz en los últimos años ha sido PSO multi-enjambre. Sin embargo, la mayoría de las investigaciones que aplican PSO multi-enjambre a PDO son empíricas. En ellas se analiza el comportamiento de uno o varios algoritmos frente a determinadas instancias de un PDO artificial. Muy pocos trabajos analizan la robustez de estos algoritmos frente a contextos diferentes, por lo que se dificulta la selección y posterior aplicación de un algoritmo de este tipo en problemas reales. En ese sentido, la presente investigación pretende solucionar esta problemática a partir de una guía de aplicación sustentada en un amplio estudio experimental que compara y analiza estadísticamente los principales exponentes de PSO multi-enjambre frente a diferentes PDO.

This investigation is about the optimization of dynamic problems (PDO) through computational heuristics based on Particle Swarm Optimization (PSO), specifically multi-swarm variants. Several real life phenomena can be treated as PDOs (e.g. semaphore systems in a city, the sales variation in one period, automatic control of an industrial process, etc.). This kind of problems contains objective functions that vary with time, for that reason the optimization techniques used to solve them should try to adapting to the changes, instead of constantly re-optimizing. A quite effective variant in the last years has been multi-swarm PSO. However, the investigations about PSO multi-swarm applied to PDO are mostly empiric. In those works the algorithm behavior is analyzed with specific instances of an artificial PDO. Very few works analyze the robustness of these algorithms in front of different contexts, that’s why the selection and later application of an algorithm in real problems becomes difficult. In that sense, the present investigation seeks to solve this problem with an application guide supported on a wide experimental study that statistically compares and analyzes the principal exponents of multi-swarm PSO in front of different PDO.