文件列表:

MVO (0, 2018-09-19)
MVO\Get_Functions_details.m (3344, 2018-09-19)
MVO\MVO.m (6886, 2018-09-19)
MVO\MVO.png (241388, 2018-09-19)
MVO\RouletteWheelSelection.m (2805, 2018-09-19)
MVO\Thumbs.db (43008, 2018-09-19)
MVO\benchmark_func.m (28217, 2018-09-19)
MVO\fbias_data.mat (248, 2018-09-19)
MVO\func_plot.m (1765, 2018-09-19)
MVO\func_plot_MVO.m (4069, 2018-09-19)
MVO\initialization.m (2445, 2018-09-19)
MVO\license.txt (1318, 2018-09-19)
MVO\main.m (3226, 2018-09-19)
MVO\sphere_func_data.mat (984, 2018-09-19)
MVO\test function matlab files (0, 2018-09-19)
MVO\test function matlab files\EF8F2_func_data.mat (984, 2018-09-19)
MVO\test function matlab files\E_ScafferF6_M_D10.mat (984, 2018-09-19)
MVO\test function matlab files\E_ScafferF6_M_D2.mat (216, 2018-09-19)
MVO\test function matlab files\E_ScafferF6_M_D30.mat (7384, 2018-09-19)
MVO\test function matlab files\E_ScafferF6_M_D50.mat (20184, 2018-09-19)
MVO\test function matlab files\E_ScafferF6_func_data.mat (984, 2018-09-19)
MVO\test function matlab files\ackley_M_D10.mat (984, 2018-09-19)
MVO\test function matlab files\ackley_M_D2.mat (216, 2018-09-19)
MVO\test function matlab files\ackley_M_D30.mat (7384, 2018-09-19)
MVO\test function matlab files\ackley_M_D50.mat (20184, 2018-09-19)
MVO\test function matlab files\ackley_func_data.mat (984, 2018-09-19)
MVO\test function matlab files\benchmark_func.m (28200, 2018-09-19)
MVO\test function matlab files\elliptic_M_D10.mat (984, 2018-09-19)
MVO\test function matlab files\elliptic_M_D2.mat (216, 2018-09-19)
MVO\test function matlab files\elliptic_M_D30.mat (7384, 2018-09-19)
MVO\test function matlab files\elliptic_M_D50.mat (20184, 2018-09-19)
MVO\test function matlab files\fbias_data.mat (248, 2018-09-19)
MVO\test function matlab files\func_plot.m (1765, 2018-09-19)
MVO\test function matlab files\global_optima.mat (20184, 2018-09-19)
MVO\test function matlab files\griewank_M_D10.mat (984, 2018-09-19)
MVO\test function matlab files\griewank_M_D2.mat (216, 2018-09-19)
MVO\test function matlab files\griewank_M_D30.mat (7384, 2018-09-19)
MVO\test function matlab files\griewank_M_D50.mat (20184, 2018-09-19)
... ...

# MVO-Algorithm Estudio sobre una metaheuristica llamada Multi-verse Optimizer, donde se estudia su rendimiento frente a algoritmos de Differential Evolution asi como posibles disenos de hibridacion con Local Search y propuestas de mejora de la metaheuristica. Este trabajo se ha realizado de forma voluntaria en la asignatura de Metaheursticas del Grado en Ingenieria Informatica de la UGR, guiado por el profesor Francisco Herrera Triguero. ## Parte 1 - Estudio de la metaheuristica en bruto y comparacion con DE La primera parte constara del **analisis en bruto de la metaheuristica**, la explicacion del algoritmo basico y en base a que fenonemo o comportamiento esta inspirado, realizando finalmente una comparacion con distintos modelos de **Differential Evolution** proporcionados en distintos ficheros, todo esto en terminos de un conjunto de funciones benchmark propuestas por el profesor. ## Parte 2 - Mejora del algoritmo: Hibridacion en Algoritmo Memetico a traves de una LS La segunda parte de este estudio consiste en una primera mejora de la metaheuristica a traves del **diseno de un algoritmo memetico**, utilizando una Local Search estandar y buscando el mejor equilibrio posible entre los **procesos de exploracion y explotacio**n, midiendo ademas el numero de evaluaciones que comprende cada uno de estos dos procesos. Para esta parte se ha utilizado el algoritmo **Covariance Matrix Adaptation Evolution Strategy (CMA-ES)**. ## Parte 3 - Propuestas de mejora del algoritmo Para la tercera y ultima parte del estudio se buscaba proponer distintas mejoras potenciales de la metaheuristica, ya sea a traves de **parametros adaptativos, componentes, balance optimo entre exploracion y explotacion**, etc. Estas potenciales mejoras estan destinadas a comprobar la flexibilidad y adaptabilidad del algoritmo en haras de obtener mejores resultados en cuanto a las funciones benchmark en caso de que estas potenciales mejoras lo permitan. El estudio completo de esta metaheuristica se concreta en detalle en la **Memoria de trabajo** que se proporciona en este repositorio. Publicacio original: S. Mirjalili, S. M. Mirjalili, A. Hatamlou, " Multi-Verse Optimizer: a nature-inspired algorithm for global optimization " , Neural Computing and Applications, in press, 2015, DOI: http://dx.doi.org/10.1007/s00521-015-1870-7

近期下载者：

相关文件：

评论：[我要评论] [举报此文件]

收藏者：