Técnica Meta-heurística de optimización inspirada en las características y movimiento de los pulpos

Abstract

En este documento se desarrolla un nuevo algoritmo de optimización metaheurística para problemas mono-objetivo con variables continuas, denominado algoritmo de optimización del pulpo artificial (AOOA por sus siglas en ingles); el cual emula el movimiento y características anatómicas de los pulpos. La técnica es evaluada mediante un conjunto de 42 funciones de prueba, las respuestas encontradas muestran la habilidad del algoritmo para explorar y explotar eficientemente el espacio de búsqueda; logrando la obtención del mínimo global en la mayoría de las 42 funciones consideradas. Al comparar AOOA contra técnicas convencionales de optimización metaheurística, se encontró que el algoritmo diseñado presenta resultados competitivos con respecto a las otras técnicas analizadas; demostrando que es un instrumento válido y eficaz en el campo de la optimización metaheurística. Adicionalmente se realizó un análisis de sensibilidad de respuesta, desviación estándar y tiempo de ejecución del algoritmo, en función de la configuración de sus dos parámetros. Este algoritmo se emplea también en la solución de un problema de diseño mecánico con restricciones, encontrando resultados acertados con una desviación estándar baja; verificando que AOOA es eficaz para la solución de problemas reales de ingeniería con restricciones, ofreciendo además robustez en sus soluciones. Con base en los estudios y análisis realizados, se concluye que AOOA es una técnica robusta de optimización metaheurística, capacitada para resolver problemas de optimización mono-objetivo con variables continuas, con o sin restricciones; encontrando resultados adecuados con una alta tasa de éxito.

Abstract: In this document is developed, a new metaheuristic optimization algorithm for monoobjective problems with continuous variables, called Artificial Octopus Optimization Algorithm (AOOA); which emulates the movement and anatomical characteristics of the octopuses. The technique is evaluated through a set of 42 test functions, the answers found show the algorithm's ability to efficiently explore and exploit the search space; obtaining the global minimum in most of the 42 functions considered. When comparing AOOA against conventional metaheuristic optimization techniques, it was found that the designed algorithm presents competitive results with respect to the other techniques analyzed; demonstrating that it is a valid and effective instrument in the field of metaheuristic optimization. Additionally, an analysis of response sensitivity, standard deviation and execution time of the algorithm was performed, based on the configuration of its two parameters. This algorithm is also used in the solution of a mechanical design problem with restrictions, finding successful results with a low standard deviation; verifying that AOOA is effective for the solution of real engineering problems with restrictions, offering also robustness in its solutions. Based on the studies and analyzes carried out, it is concluded that AOOA is a robust metaheuristic optimization technique, capable of solving mono-objective optimization problems with continuous variables, with or without restrictions; finding suitable results with a high success ratio.