CELLULAR ESTIMATION BAYESIAN ALGORITHM FOR DISCRETE OPTIMIZATION PROBLEMS

• Published in: Investigación operacional Vol. 41; no. 7; p. 1010
• Main Authors: Martínez-López, Yoan, Madera, Julio, Mahdi, Gaafar Sadeq S, Rodríguez-González, Ansel Y
• Format: Journal Article
• Language: English
• Published: Editorial Universitaria de la Republica de Cuba 15.12.2020
• Subjects: Cuba; México
• ISSN: 0257-4306

In this paper, a new Cellular Estimation Bayesian Algorithm for discrete optimization problems is presented. This class of stochastic optimization algorithm with learning from the structure and parameters of local populations are based on independence test and decentralized populations scheme, which can reduce the number of function evaluations solving for discrete optimization problems. The experimental results showed that this proposal reduces the number of evaluations in the search of the optimal for a benchmark discrete function with respect to other approaches of the literature. Also, it achieved better performance than them. KEYWORDS: Cellular EDAs, Bayesian networks, learning, evolutionary algorithm. MSC: 60-08 En este documento, se presenta un nuevo algoritmo bayesiano de estimación celular para problemas de optimización discretos. Esta clase de algoritmo de optimización estocástica con aprendizaje de la estructura y los parámetros de las poblaciones locales se basa en la prueba de independencia y el esquema de poblaciones descentralizadas, lo que puede reducir el número de evaluaciones de funciones que resuelven problemas de optimización discretos. Los resultados experimentales mostraron que esta propuesta reduce el número de evaluaciones en la búsqueda del óptimo para funciones discretas de referencia con respecto a otros enfoques de la literatura. Además, tuvo mejores resultados con respecto a los algoritmos del estado del arte. PALABRAS CLAVES: EDA celulares; Redes bayesianas; aprendizaje; algoritmo evolutivo.