MODIFICACIÓN DEL ALGORITMO DE BÚSQUEDA INSPIRADO EN ESTADOS DE LA MATERIA PARA APLICACIONES MULTIMODALES

Abstract

El interés en la optimización multimodal de las funciones está expandiéndose de manera rápida en muchos problemas prácticos de la ingeniería que demandan la localización múltiple de óptimos en el espacio de búsqueda. El algoritmo de búsqueda inspirado en los estados de la materia, conocido como SMS por sus siglas en inglés, ha sido presentado recientemente con buenos resultados en problemas de automatización de la vida real. En SMS, los individuos emulan moléculas que interactúan entre ellas mediante el uso de operadores evolutivos basados en los principios físicos del movimiento de la energía térmica. El proceso de evolución es dividido en 3 fases que emulan los 3 estados de la materia: Gas, Liquido y Solido. Cada estado representa un compromiso entre exploración y explotación diferente implementado por el cambio de comportamiento en sus operadores. Como resultado, SMS mejora sustancialmente el balance entre exploración y explotación, haciendo más flexible sus capacidades de búsqueda. Aun con dichas características, SMS falla al proveer múltiples soluciones en una sola ejecución. En este trabajo se presenta un nuevo algoritmo multimodal llamado Multi-modal States of Matter Search (MSMS). Bajo esta propuesta, el algoritmo original es adaptado para añadir capacidades multimodales. En particular esta adaptación contempla: la incorporación de un mecanismo de memoria que eficientemente registra los óptimos locales potenciales de acuerdo a su desempeño y la distancia con otras soluciones potenciales; una modificación a la estrategia de búsqueda del original SMS que acelera el proceso de detección de nuevos mínimos locales; se agrega un proceso de depuración al final de cada estado que elimina la información redundante de la memoria. El desempeño de esta propuesta es comparado con varios algoritmos en el estado del arte de la optimización multimodal, considerando una suite de pruebas de 21 funciones multimodales. La experimentación realizada indica que la estrategia propuesta es capaz de proveer mejores y más consistentes resultados sobre los algoritmos multimodales bien conocidos en la mayoría de pruebas sin incurrir a algún deterioro severo computacional.