Global numerical optimization with a bi-population particle swarm optimizer

Abstract

This paper presents an enhanced Particle Swarm Optimizer approach, which is designed to solve numerical unconstrained optimization problems. The approach incorporates a dual population in an attempt to overcome the problem of premature convergence to local optima. The proposed algorithm is validated using standard test functions (unimodal, multi-modal, separable and nonseparable) taken from the specialized literature. The results are compared with values obtained by an algorithm representative of the state-of-the-art in the area. Our preliminary results indicate that our proposed approach is a competitive alternative to solve global optimization problems.

Este artículo presenta un nuevo algoritmo Particle Swarm Optimizer, diseñado para resolver problemas de optimización numéricos sin restricciones, que incorpora una población dual para intentar solucionar el problema de convergencia prematura en óptimos locales. El algoritmo propuesto es validado usando funciones de prueba estandard (unimodales, multi-modales, separables y no separables) tomadas de la literatura especializada. Los resultados son comparados con los valores obtenidos por un algoritmo representativo del estado del arte en el área. Los resultados preliminares indican que la propuesta es una alternativa competitiva para resolver problemas de optimización global.