LPBSA: Mejorando la Eficiencia de Optimización a través del Comportamiento Basado en el Rendimiento del Aprendiz y el Enfriamiento Simulado

Resumen Este estudio presenta el LPBSA, un algoritmo de optimización avanzado que combina el Comportamiento Basado en el Rendimiento del Aprendiz (LPB) y el Enfriamiento Simulado (SA) en un enfoque híbrido. Enfatizando las metaheurísticas, el LPBSA aborda y mitiga los desafíos asociados con las metodologías tradicionales de LPB, mejorando la convergencia, robustez y adaptabilidad en la resolución de problemas complejos de optimización. A través de evaluaciones extensivas utilizando funciones de prueba de referencia, el LPBSA demuestra un rendimiento superior en comparación con el LPB y compite favorablemente con algoritmos establecidos como PSO, FDO, LEO y GA. Las aplicaciones del mundo real subrayan la promesa del algoritmo, con el LPBSA superando al algoritmo LEO en dos escenarios de prueba. Basado en los resultados del estudio, muchos resultados de funciones de prueba como TF5 al registrar (4.76762333) y algunas otras funciones de prueba proporcionadas en la sección de resultados demuestran que el LPBSA supera a algoritmos populares. Esta investigación destaca la eficacia de un enfoque híbrido en la evolución continua de los algoritmos de optimización, mostrando la capacidad del LPBSA para navegar en diversos paisajes de optimización y contribuir significativamente a abordar desafíos de optimización complejos.