DEPS se compone de dos algoritmos independientes: evolución diferencial y optimización de cúmulo de partículas. Ambos son adecuados para resolver problemas numéricos tales como la optimización no lineal, y se complementan mutuamente en el sentido de que uno compensa las deficiencias del otro.
Configuración
|
Descripción
|
Tasa de cambio de agente
|
Especifica la probabilidad de que un individuo elija la estrategia de Evolución Diferencial.
|
Considerar variables como no negativas
|
Marque para forzar que las variables sean solo positivas.
|
DE:Probabilidad de cruce
|
Define la probabilidad de que el individuo se combine con el mejor punto global. Si no se utiliza el cruce, el punto se ensambla a partir de la propia memoria del individuo.
|
DE: factor de escala
|
Durante el cruce, el factor de escala decide la «velocidad» de movimiento.
|
Ciclos de aprendizaje
|
Define el número de iteraciones que debe tomar el algoritmo. En cada iteración, todos los individuos hacen una conjetura sobre la mejor solución y comparten sus conocimientos.
|
PS: constante cognitiva
|
Establece la importancia de la memoria propia (en particular, el punto mejor alcanzado hasta el momento).
|
PS: Coeficiente de constricción
|
Define la velocidad a la que las partículas/individuos se mueven unos hacia otros.
|
PS:Probabilidad de mutación
|
Define la probabilidad de que, en lugar de mover un componente de la partícula hacia el mejor punto, elija aleatoriamente un nuevo valor del rango válido para esa variable.
|
PS: Constante Social
|
Establece la importancia del mejor punto global entre todas las partículas/individuos.
|
Mostrar el estado del solucionador mejorado
|
SIactivadose muestra un cuadro de diálogo adicional durante el proceso de resolución que brinda información sobre el progreso actual, el nivel de estancamiento, la solución más conocida actualmente, así como la posibilidad de detener o reanudar el solucionador.
|
Tamaño de cúmulo
|
Define el número de personas que participarán en el proceso de aprendizaje. Cada individuo encuentra sus propias soluciones y contribuye al conocimiento general.
|
Límite de estancamiento
|
Si este número de individuos encontró soluciones dentro de un rango cercano, la iteración se detiene y el mejor de estos valores se elige como óptimo.
|
Tolerancia al estancamiento
|
Define el intervalo para considerar «similares» dos soluciones.
|
Usar el comparador ACR
|
SIdesativado(predeterminado), se utiliza el comparador BCH. Compara a dos personas observando primero sus violaciones de restricciones y solo si son iguales, mide su solución actual.
If enabled, the ACR Comparator is used. It compares two individuals dependent on the current iteration and measures their goodness with knowledge about the libraries worst known solutions (in regard to their constraint violations).
|
Utilizar punto inicial aleatorio
|
Cuando esté activado, la biblioteca simplemente se llena con puntos elegidos al azar.
Si se desactiva, los valores presentes actualmente (tal como los proporciona el usuario) se insertan en la biblioteca como punto de referencia.
|
Suposición de límites variables
|
Si está activado (de manera predeterminada lo está), el algoritmo intenta encontrar límites de variables teniendo en cuenta los valores iniciales.
|
Umbral de límites variables
|
Al estimar los límites de las variables, este umbral especifica cómo se desplazan los valores iniciales para construir los límites. Para ver un ejemplo de cómo se calculan estos valores, consulte el Manual en el wiki.
|
La optimización cognitiva social tiene en cuenta el comportamiento humano de aprender y compartir información. Cada individuo tiene acceso a una biblioteca común con conocimientos compartidos entre todos los individuos.
Configuración
|
Descripción
|
Considerar variables como no negativas
|
Marque para forzar que las variables sean solo positivas.
|
Ciclos de aprendizaje
|
Define el número de iteraciones que debe tomar el algoritmo. En cada iteración, todos los individuos hacen una conjetura sobre la mejor solución y comparten sus conocimientos.
|
Mostrar el estado del solucionador mejorado
|
SIactivadose muestra un cuadro de diálogo adicional durante el proceso de resolución que brinda información sobre el progreso actual, el nivel de estancamiento, la solución más conocida actualmente, así como la posibilidad de detener o reanudar el solucionador.
|
Tamaño de biblioteca
|
Define la cantidad de información a almacenar en la biblioteca pública. Cada individuo almacena conocimiento allí y pide información.
|
Tamaño de cúmulo
|
Define el número de personas que participarán en el proceso de aprendizaje. Cada individuo encuentra sus propias soluciones y contribuye al conocimiento general.
|
Límite de estancamiento
|
Si este número de individuos encontró soluciones dentro de un rango cercano, la iteración se detiene y el mejor de estos valores se elige como óptimo.
|
Tolerancia al estancamiento
|
Define el intervalo para considerar «similares» dos soluciones.
|
Usar el comparador ACR
|
SIdesativado(predeterminado), se utiliza el comparador BCH. Compara a dos personas observando primero sus violaciones de restricciones y solo si son iguales, mide su solución actual.
If enabled, the ACR Comparator is used. It compares two individuals dependent on the current iteration and measures their goodness with knowledge about the libraries worst known solutions (in regard to their constraint violations).
|
Suposición de límites variables
|
Si está activado (de manera predeterminada lo está), el algoritmo intenta encontrar límites de variables teniendo en cuenta los valores iniciales.
|
Umbral de límites variables
|
Al estimar los límites de las variables, este umbral especifica cómo se desplazan los valores iniciales para construir los límites. Para ver un ejemplo de cómo se calculan estos valores, consulte el Manual en el wiki.
|
Configuración
|
Descripción
|
Considerar variables como enteros
|
Marque para forzar que las variables sean solo números enteros.
|
Considerar variables como no negativas
|
Marque para forzar que las variables sean solo positivas.
|
Nivel épsilon
|
Nivel de épsilon. Los valores válidos se comprenden entre 0 (muy ajustado) y 3 (muy flexible). Épsilon es la tolerancia para redondear los valores a cero.
|
Limite la profundidad de ramificación y límite
|
Especifica la profundidad máxima de bifurcación y límite. Un valor positivo significa que la profundidad es absoluta. Un valor negativo significa un límite de profundidad relativo de rama y límite.
|
Límite de tiempo del Solver
|
Establece el tiempo máximo para que el algoritmo converja a una solución
|