ıllı Internet y Tecnologías de la Información (2018)

internet, Hosting, dominios, seo, antivirus, banco de imágenes, páginas web, tiendas online

[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):

ıllı Algoritmo de murciélago wiki: info, historia y vídeos

La información contenida en esta web debe ser considerada como información general, de carácter formativo, educativo o divulgativo, y no puede ser utilizada o interpretada como consejo o diagnótico médico, psicológico o de ningún otro tipo. Es posible que algunos datos mostrados no esten actualizados. Por ello, en caso de duda lo recomentable es consultar a un experto cualificado.

Detalles: Categoría: INTERNET

videos internet

Algoritmo de murciélago

El algoritmo de murceguillo es un género de algoritmo metaheurístico de optimización desarrollado por Xin-She Yang en dos mil diez. Está basado en la ecolocalización, comportamiento presentado en ciertas especies de micromurciélagos con índices de pulso variable de emisión y volumen.

Descripción del algoritmo

La modelización de la ecolocalización de los micromurciélagos puede ser resumida como sigue: cada murceguillo virtual vuela de forma aleatoria con una velocidad vi en la situación xi (solución) con una frecuencia variable o bien longitud de onda y un volumen Ai. Mientras que busca y halla su presa, cambia de frecuencia, volumen y también índice de emisión del pulso r. La busca está acentuada por un camino azaroso local. La selección del mejor destino prosigue hasta lograr algunos criterios de parada. Para ello se emplea fundamentalmente una técnica de ajuste de frecuencia para supervisar el comportamiento activo de un enjambre de murceguillos, y el equilibrio entre exploración y explotación puede ser controlado ajustando los factores dependientes en el algoritmo de murceguillo.

Yang ha facilitado una introducción detallada de los algoritmos metaheurísticos que incluyen el algoritmo de murceguillo, incluyendo una demostración libre en Matlab/Octave, mientras que una revisión pormenorizada es llevada a cabo por Parpinelli y Lopes. Una mejora más avanzada es el desarrollo de un algoritmo de evolución de murceguillos (EBA) más eficaz.

Una demostración en Matlab está libre en el Matlab exchange.

Multi-Algoritmo de Murceguillo Objetivo (MOBA)

Utilizando una fácil suma de pesos con pesos azarosos, un muy efectivo mas aún fácil algoritmo multiobjetivos de murceguillo (MOBA) ha sido desarrollado para solventar labores multiobjetivo de diseño de ingeniería. Otro algoritmo multiobjetivo de murceguillo se logra combinando el algoritmo de murceguillo con NSGA-#II, lo que genera resultados muy competitivos con buena eficacia.

Algoritmo de Murceguillo Embedded con FLANN (BAT-FLANN)

El modelo BAT-FLANN fue propuesto por Sashikala y otros cooperadores en dos mil doce para solventar la clasificación de datos de expresión del gen. Usando frecuencia de murceguillo, volumen y pulso de adaptación lógicos simples y peso azaroso, se puede diseñar un algoritmo muy eficiente que da resultados prometedores.

Algoritmo de Murceguillo Artificial dirigido (DABA)

El Algoritmo de Murceguillo Artificial dirigido fue propuesto por Rekaby en el mes de agosto de dos mil trece. Este algoritmo simula el sistema de eco de los murceguillos, y de qué manera usan este sistema para encontrar presas y para eludir obstáculos. En esta investigación, queda probada la eficacia del algoritmo DABA en comparación con los resultados del Algoritmo ABC.

Algoritmo de Murceguillo binario (BBA)

El Algoritmo de Murceguillo binario fue propuesto por Mirjalili y otros en dos mil catorce. Una función de trasferencia "V-shaped" fue empleada para permitir a BBA solventar inconvenientes binarios.

El Algoritmo de murceguillo ha sido usado para diseño de ingeniería. Las clasificaciones de datos de expresión del gen está hecha a través de el modelo BAT-FLANN de Sashikala Mishra, Kailash Shaw y Debahuti Mishra. Un agregado difuso de murceguillos ha sido desarrollado para solventar inconvenientes de puestos ergonómicos. Una aproximación interesante que emplea el algoritmo murceguillo y sistemas difusos ha mostrado una correspondencia fiable entre predicción y datos reales para una modelización "exergy" (empleo eficaz de energía).

Una comparación detallada del algoritmo de murceguillo (BA) con el algoritmo genético (GA), PSO y otros métodos para adiestrar redes neuronales feedforward concluyeron meridianamente que BA tiene ventajas sobre los otros algoritmos.

?X. S. Yang, A New Metaheuristic Bat-Inspired Algorithm, in: Nature Inspired Cooperative Strategies for Optimization (NISCO dos mil diez) (Eds.
?J. D. Altringham, Bats: Biology and Behaviour, Oxford University Press, (mil novecientos noventa y seis).
?P. Richardson, Bats.
?P. W. Tsai, J. S. Pan, B. Y. Liao, M. J. Tsai, V. Istanda, Bat algorithm inspired algorithm for solving numerical optimization problems, Applied Mechanics and Materials, Vo.. ciento cuarenta y ocho-ciento cuarenta y nueve, pp.134-ciento treinta y siete (dos mil doce).
?Enlace: Demo Matlab
?X. S. Yang, bat algorithm for multi-objective optimisation, Int.
?T. C. Bora, L. S. Coelho, L. Lebensztajn, Bat-inspired optimization approach for the brushless DC wheel motor problems, IEEE Trans.
?S. Mishra, K. Shaw, D. Mishra, A new metaheuristic classification approach for micro array data, Procedia Technology, Vol. cuatro, pp. ochocientos dos-ochocientos seis (dos mil doce).
?A. Rekaby, "Directed Artificial Bat Algorithm (DABA): A New Bio-Inspired Algorithm," in International Conference on Advances in Computing, Communications and Informatics (ICACCI), Mysore, dos mil trece.
?S. Mirjalili, S. M. Mirjalili, X. Yang, Binary Bat Algorithm, Neural Computing and Applications, In press, dos mil catorce, Springer DOI: http://dx.doi.org/10.1007/s00521-trece-mil quinientos veinticinco-5
?S. Mirjalili, A. Lewis, S-shaped contra V-shaped transfer functions for binary Particle Swarm Optimization, Swarm and Evolutionary Computation, Volume nueve, April dos mil trece, Pages 1-catorce, DOI: http://dx.doi.org/10.1016/j.swevo.2012.09.002
?X. S. Yang and A. H. Gandomi, Bat algorithm: a novel approach for global engineering optimization, Engineering Computations, Vol. veintinueve, No. cinco, pp. cuatrocientos sesenta y cuatro-cuatrocientos ochenta y tres (dos mil doce).
?S. Mishra, K. Shaw, D. Mishra, A new metaheuristic classification approach for microarray data,Procedia Technology, Vol. cuatro, pp. ochocientos dos-ochocientos seis (dos mil doce).
?Khan, K., Nikov, A., Sahai A., A Fuzzy Bat Clustering Method for Ergonomic Screening of Office Workplaces,S3T dos mil once, Advances in Intelligent and Soft Computing, dos mil once, Volume 101/2011, cincuenta y nueve-sesenta y seis (dos mil once).
?T. A. Lemma, Use of fuzzy systems and bat algorithm for exergy modelling in de gas turbine generator, IEEE Colloquium on Humanities, Science and Engineering (CHUSER'2011), pp. trescientos cinco-trescientos diez (dos mil once).
?K. Khan and A. Sahai, A comparison of BA, GA, PSO, BP and LM for training feed forward neural networks in y también-learning context, Int.

19. Kotteeswaran, R &Sivakumar, L dos mil trece,'A Novel Bat Algorithm Based Re-Tuning of PI Controller of Coal Gasifier for Optimum Response’, Lecture Aprecies in Computer Science/Lecture Aprecies in Artificial Intelligence (LNAI), Springer International Publishing, Switzerland, Vol. ocho mil doscientos ochenta y cuatro, pp. quinientos seis-quinientos diecisiete, dos mil trece.

20. Kotteeswaran, R &Sivakumar, L dos mil trece,'Optimal Partial-retuning of decentralised PI controller of coal gasifier using Bat Algorithm’, Lecture Aprecies in Computer Science(LNCS), Springer International Publishing, Switzerland, vol. ocho mil doscientos noventa y siete, pp. setecientos cincuenta-setecientos sesenta y uno.

ELIGE TU TEMA DE INTERÉS:

Internet y Tecnologias