Opciones de algoritmos para Solver

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, se elija aleatoriamente un valor nuevo del intervalo 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.

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

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.

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

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.

Límite de tiempo del Solver

Establece el tiempo máximo para que el algoritmo converja a una solución

Algoritmo de cúmulo

Establezca el algoritmo de enjambre. 0 para evolución diferencial y 1 para optimización de enjambre de partículas. El valor predeterminado es 0.