-
Estrategias de Evolución (ES)
Desarrolladores: Ingo Rechenberg y Hans-Paul Schwefel.
Algoritmos de optimización numérica. Se centran en la adaptación de conjuntos de parámetros continuos para maximizar o minimizar una función objetivo. Emplean operadores de mutación y selección para mejorar gradualmente los candidatos. -
Algoritmos Genéticos (GA)
Desarrollador: John Holland.
Los algoritmos genéticos son una técnica de optimización inspirada en la selección natural. Utilizan una población de soluciones candidatas que evolucionan a lo largo de generaciones. Cada generación implica procesos de selección, cruza y mutación que emulan la evolución biológica. -
Programación Evolutiva (EP)
Desarrollador: Lawrence J. Fogel, A. J. Owen, M. J. Walsh.
Técnica que utiliza un proceso de evolución para optimizar soluciones. Se enfoca en la optimización de parámetros en lugar de estructuras. A diferencia de los algoritmos genéticos, las soluciones no están codificadas genéticamente, sino que se representan directamente. -
Estrategias de Covarianza Matriz Adaptativa (CMA-ES)
Desarrollador: Nikolaus Hansen.
Algoritmo evolutivo que se especializa en la optimización numérica de problemas difíciles y multidimensionales. Ajusta adaptativamente una distribución multivariada para modelar las soluciones candidatas. La información de covarianza y las tasas de aprendizaje se actualizan durante la evolución. -
Algoritmo Colonia de Hormigas (ACO)
Desarrollador: Marco Dorigo.
Técnica para buscar el camino óptimo en un grafo, basado en el comportamiento de las hormigas cuando estas están buscando un camino entre la colonia y una fuente de alimentos. -
Programación Genética (GP)
Desarrollador: John R. Koza.
Técnica que evoluciona programas de ordenador en forma de árboles de sintaxis abstracta. Los programas se representan genéticamente y evolucionan a través de operadores genéticos como la cruza y la mutación. Se utiliza para resolver problemas de optimización y generar automáticamente programas. -
Optimización por Enjambre de Partículas (PSO)
Desarrolladores: James Kennedy y Russell C. Eberhart.
Técnica de optimización inspirada por el comportamiento de peces y aves. El movimiento de cada agente, llamado partícula, se ve influido por su mejor posición local hallada hasta el momento, así como por las mejores posiciones globales encontradas por otras partículas a medida que recorren el espacio de búsqueda. -
Evolución Diferencial (DE)
Desarrolladores: R. Storn y K. Price.
Algoritmo basado en diferencias vectoriales principalmente usado para problemas de optimización numérica. -
Búsqueda de Armonías (HS)
Desarrollador: Zong Woo Gem.
Busca una combinación óptima de parámetros para minimizar o maximizar una función objetivo. Parte de una población inicial de soluciones (armonías) aleatorias. Luego, utiliza operadores de improvisación para generar nuevas armonías a partir de las existentes. -
Algoritmos Abeja (BA)
Desarrollador: D. T. Pham.
Técnicas de optimización bioinspiradas que se basan en el comportamiento de las abejas y su proceso de búsqueda de alimento. Las abejas exploradoras buscan soluciones en el espacio de búsqueda, y luego informan a las abejas obreras sobre la calidad de esas soluciones. -
Algoritmo Colonia de Abejas Artificial (ABC)
Desarrollador: D. Karaboga.
Técnica de optimización basado en el comportamiento de abejas en la búsqueda de miel. La colonia consta de tres grupos de abejas: abejas empleadas, abejas en espera y abejas exploradoras. -
Algoritmo Firefly (FA)
Desarrollador: Xin-She Yang.
Técnica de optimización bioinspirada basada en la atracción lumínica de las luciérnagas. Cada luciérnaga en el algoritmo representa una solución candidata, y su brillo indica su calidad. Las luciérnagas se mueven hacia aquellas que emiten una luz más intensa, lo que simboliza la búsqueda de soluciones óptimas. -
Algoritmo de Búsqueda Cuckoo (CS)
Desarrolladores: Xin-She Yang y Suash Deb.
Técnica de optimización en la que cada huevo en el nido representa una solución y un huevo de cuco una nueva solución. El objetivo es usar nuevas y potencialmente mejores soluciones (cucos) para remplazar no tan buenas soluciones en el nido. -
Algoritmo Murciélago (BA)
Desarrollador: Xin-She Yang.
Técnica de optimización inspirada por la ecolocalización de los murciélagos, con frecuencias de pulso de emisión y volumen variables.