Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructurada
Proponer nuevos métodos metaheurísticos es crucial para la mejora continua en el desarrollo de algoritmos y la capacidad de abordar con eficacia problemas de optimización del mundo real cada vez mas complejos. Por otro lado, la Teoría Evolutiva de Juegos analiza cómo a través de la competencia es p...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad de Guadalajara
2024-06-01
|
| Series: | ReCIBE |
| Subjects: | |
| Online Access: | http://recibe.cucei.udg.mx/index.php/ReCIBE/article/view/332 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850116388610375680 |
|---|---|
| author | Marcos Mario Vasquez Franco Nahum Juda Aguirre Rodriguez Hector Joaquin Escobar Cuevas Alberto Luque Chang Erik Valdemar Cuevas Jimenez |
| author_facet | Marcos Mario Vasquez Franco Nahum Juda Aguirre Rodriguez Hector Joaquin Escobar Cuevas Alberto Luque Chang Erik Valdemar Cuevas Jimenez |
| author_sort | Marcos Mario Vasquez Franco |
| collection | DOAJ |
| description |
Proponer nuevos métodos metaheurísticos es crucial para la mejora continua en el desarrollo de
algoritmos y la capacidad de abordar con eficacia problemas de optimización del mundo real cada
vez mas complejos. Por otro lado, la Teoría Evolutiva de Juegos analiza cómo a través de la
competencia es posible modificar las estrategias de los individuos dentro de una población con el
fin de extender los mecanismos exitosos y reducir o eliminar las estrategias menos exitosas. Este
artículo presenta un novedoso enfoque de optimización basado en los principios de la Teoría
Evolutiva de Juegos. En el método propuesto, todos los individuos se inicializan mediante la
técnica Metropolis-Hasting, que sitúa las soluciones en un punto de partida más cercano a las
regiones óptimas o casi óptimas del problema. Se asigna una estrategia original a cada individuo
de la población. Al tener en cuenta las interacciones y la competencia entre los distintos agentes
del problema de optimización, el enfoque modifica las estrategias para mejorar la eficiencia de la
búsqueda y encontrar mejores soluciones. Para evaluar el rendimiento de la técnica propuesta, se
compara con ocho algoritmos metaheurísticos bien conocidos utilizando 30 funciones de prueba.
La metodología propuesta demostró superioridad en términos de calidad de la solución,
dimensionalidad y convergencia en comparación con otros enfoques.
|
| format | Article |
| id | doaj-art-abae3d8f1ee347658fef622ac4b26b02 |
| institution | OA Journals |
| issn | 2007-5448 |
| language | English |
| publishDate | 2024-06-01 |
| publisher | Universidad de Guadalajara |
| record_format | Article |
| series | ReCIBE |
| spelling | doaj-art-abae3d8f1ee347658fef622ac4b26b022025-08-20T02:36:19ZengUniversidad de GuadalajaraReCIBE2007-54482024-06-01131Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructuradaMarcos Mario Vasquez Franco0Nahum Juda Aguirre Rodriguez1Hector Joaquin Escobar Cuevas2Alberto Luque Chang3Erik Valdemar Cuevas Jimenez4Universidad de GuadalajaraUniversidad de GuadalajaraUniversidad de GuadalajaraUniversidad de GuadalajaraUniversidad de Guadalajara Proponer nuevos métodos metaheurísticos es crucial para la mejora continua en el desarrollo de algoritmos y la capacidad de abordar con eficacia problemas de optimización del mundo real cada vez mas complejos. Por otro lado, la Teoría Evolutiva de Juegos analiza cómo a través de la competencia es posible modificar las estrategias de los individuos dentro de una población con el fin de extender los mecanismos exitosos y reducir o eliminar las estrategias menos exitosas. Este artículo presenta un novedoso enfoque de optimización basado en los principios de la Teoría Evolutiva de Juegos. En el método propuesto, todos los individuos se inicializan mediante la técnica Metropolis-Hasting, que sitúa las soluciones en un punto de partida más cercano a las regiones óptimas o casi óptimas del problema. Se asigna una estrategia original a cada individuo de la población. Al tener en cuenta las interacciones y la competencia entre los distintos agentes del problema de optimización, el enfoque modifica las estrategias para mejorar la eficiencia de la búsqueda y encontrar mejores soluciones. Para evaluar el rendimiento de la técnica propuesta, se compara con ocho algoritmos metaheurísticos bien conocidos utilizando 30 funciones de prueba. La metodología propuesta demostró superioridad en términos de calidad de la solución, dimensionalidad y convergencia en comparación con otros enfoques. http://recibe.cucei.udg.mx/index.php/ReCIBE/article/view/332OptimizaciónCompeticiónMetaheurísticaTeoría de JuegosMetropolis-Hasting |
| spellingShingle | Marcos Mario Vasquez Franco Nahum Juda Aguirre Rodriguez Hector Joaquin Escobar Cuevas Alberto Luque Chang Erik Valdemar Cuevas Jimenez Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructurada ReCIBE Optimización Competición Metaheurística Teoría de Juegos Metropolis-Hasting |
| title | Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructurada |
| title_full | Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructurada |
| title_fullStr | Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructurada |
| title_full_unstemmed | Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructurada |
| title_short | Un nuevo enfoque de optimización basado en la teoría evolutiva de juegos no estructurada |
| title_sort | un nuevo enfoque de optimizacion basado en la teoria evolutiva de juegos no estructurada |
| topic | Optimización Competición Metaheurística Teoría de Juegos Metropolis-Hasting |
| url | http://recibe.cucei.udg.mx/index.php/ReCIBE/article/view/332 |
| work_keys_str_mv | AT marcosmariovasquezfranco unnuevoenfoquedeoptimizacionbasadoenlateoriaevolutivadejuegosnoestructurada AT nahumjudaaguirrerodriguez unnuevoenfoquedeoptimizacionbasadoenlateoriaevolutivadejuegosnoestructurada AT hectorjoaquinescobarcuevas unnuevoenfoquedeoptimizacionbasadoenlateoriaevolutivadejuegosnoestructurada AT albertoluquechang unnuevoenfoquedeoptimizacionbasadoenlateoriaevolutivadejuegosnoestructurada AT erikvaldemarcuevasjimenez unnuevoenfoquedeoptimizacionbasadoenlateoriaevolutivadejuegosnoestructurada |