Revista de Matemática: Teoría y Aplicaciones ISSN Impreso: 1409-2433 ISSN electrónico: 2215-3373

OAI: https://revistas.ucr.ac.cr/index.php/matematica/oai
Colonia de abejas artificiales y optimización por enjambre de partículas para la estimación de parámetros de regresión no lineal
PDF

Palabras clave

artificial bee colony
particle swarm optimization
nonlinear regression
colonias de abejas artificiales
enjambres de partículas
regresión no lineal

Cómo citar

De-Los-Cobos-Silva, S., Gutiérrez-Andrade, M. A., Rincón-García, E. A., Lara-Velázquez, P., & Aguilar-Cornejo, M. (2014). Colonia de abejas artificiales y optimización por enjambre de partículas para la estimación de parámetros de regresión no lineal. Revista De Matemática: Teoría Y Aplicaciones, 21(1), 107–126. https://doi.org/10.15517/rmta.v21i1.14141

Resumen

Este trabajo presenta la comparación de los resultados de las técnicas heurísticas de ABC colonias de abejas artificiales (Artificial Bee Colony) y PSO enjambres de partículas (Particle Swarm Optimization) que son utilizadas para la estimación de parámetros de modelos de regresión no lineal. Los algoritmos fueron probados sobre 27 bases de datos de la colección NIST(2001), de las cuales 8 son consideradas con un alto grado de dificultad, 11 con un grado de dificultad medio y 8 con un grado de dificultad bajo. Se presentan los resultados experimentales.

https://doi.org/10.15517/rmta.v21i1.14141
PDF

Citas

Abbass, H.A. (2001) “Marriage in honey-bee optimization (MBO): a haplometrosis polygynous swarming approach”, en: Proceedings The Congress on Evolutionary Computation (CEC2001), Seoul, Korea: 207–214.

Afshar, A.; Bozog Haddad, O; Marino, M.A.; Adams, B.J. (2007)“Honey-bee mating optimization (HBMO) algorithm for optimal reservoir operation”, Journal of the Franklin Institute 344: 452–462.

de los Cobos, S.; Gutiérrez, M.A.; Rincón, E.; Lara, P.; Aguilar, M. (2012) “Estimación de parámetros de regresión no lineal mediante colonia de abejas artificiales” Revista de Matemática: Teoŕıa y Aplicaciones 20(1): 49–60.

Draper, N.R.; Smith, H. (1998) Applied Regression Analysis. Wiley, New York.

Karaboga D.; Akay, B. (2007) “Artificial bee colony (ABC) algorithm on training artificial neural networks”, en: Proceedings of 15th IEEE Signal Processing and Communications Applications : 1–4.

Kennedy, J.; Eberhart, R.C. (2000), Intelligent Swarm Systems. Academic Press, New York, USA.

Kennedy, J.; Eberhart, R.C.; Shi Y. (2001) Swarm Intelligence. Morgan Kaufmann, San Francisco, USA.

McCullough, B.D.; Wilson, B. (2005) “On the accuracy of stastistical procedures in Microsoft Excel 2003”, Comput. Stast. and Data Anal. 49: 1244–1252.

NIST (2001), en: http://www.itl.nist.gov/div898/strd/general/dataarchive.html, consultada 20-Feb-2012, 11:35 a.m.

Ozturk, C.; Karaboga, D. (2008) “Classifications by neural networks and clustering with artificial bee colony (ABC) algorithm”, en: Proceedings of the 6th International Symposium on Intelligent and Manufacturing Systems, Features, Strategies and Innovation, Sakarya, Turkey.

Pham, D.T.; Koc, E.; Lee, J.Y.; Phrueksanant, J. (2007) “Using the bees algorithm to schedule jobs for a machine”, en: Proceedings Eighth International Conference on Laser Metrology, CMM and Machine Tool Performance, LAMDAMAP, Euspen, UK, Cardi": 430–439.

Tvrdík, J. (2009) “Adaptation in di"erential evolution: a numerical comparison”, Applied Soft Computing 9: 1149–1155.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.