None; None; None; None; None

Resúmenes

Este trabajo presenta la comparación de los resultados de las técnicas heurísticas de ABC colonias de abejas artificiales (Artificial Bee Colony) y PSO enjambres de partículas (Particle Swarm Optimization) que son utilizadas para la estimación de parámetros de modelos de regresión no lineal. Los algoritmos fueron probados sobre 27 bases de datos de la colección NIST(2001), de las cuales 8 son consideradas con un alto grado de dificultad, 11 con un grado de dificultad medio y 8 con un grado de dificultad bajo. Se presentan los resultados experimentales.

colonias de abejas artificiales; enjambres de partículas; regresión no lineal

This paper shows the comparison results of ABC (Artificial Bee Colony) and PSO (Particle Swarm Optimization) heuristic techniques that were used to estimate parameters for nonlinear regression models. The algorithms were tested on 27 data bases from the NIST collection (2001), 8 of these are considered to have high difficulty, 11 medium difficulty and 8 low difficulty. Experimental results are presented.

artificial bee colony; particle swarm optimization; nonlinear regression

Colonia de abejas artificiales y optimización por enjambre de partículas para la estimación de parámetros de regresión no lineal artificial

Bee colony and particle swarm optimitization for the estimation of nonlinear regression parameters
Sergio de-los-Cobos-Silva^** Miguel A. Gutierrez-Andrade^†* Eric A. Rincóon-García^‡* Pedro Lara-Velázquez^§* Manuel Aguilar-Cornejo^¶*

*^{Dirección para correspondencia}^:
Resumen

Este trabajo presenta la comparación de los resultados de las técnicas heurísticas de ABC colonias de abejas artificiales (Artificial Bee Colony) y PSO enjambres de partículas (Particle Swarm Optimization) que son utilizadas para la estimación de parámetros de modelos de regresión no lineal. Los algoritmos fueron probados sobre 27 bases de datos de la colección NIST(2001), de las cuales 8 son consideradas con un alto grado de dificultad, 11 con un grado de dificultad medio y 8 con un grado de dificultad bajo. Se presentan los resultados experimentales.

Palabras clave: colonias de abejas artificiales, enjambres de partículas, regresión no lineal.

Abstract

This paper shows the comparison results of ABC (Artificial Bee Colony) and PSO (Particle Swarm Optimization) heuristic techniques that were used to estimate parameters for nonlinear regression models. The algorithms were tested on 27 data bases from the NIST collection (2001), 8 of these are considered to have high difficulty, 11 medium difficulty and 8 low difficulty. Experimental results are presented.

Keywords: artificial bee colony, particle swarm optimization, nonlinear regression.

Mathematics Subject Classification: 90C59, 62J02.

Ver contenido disponible en pdf

Referencias

Referencias bibliográficas

[1] Abbass, H.A. (2001) “Marriage in honey-bee optimization (MBO): a haplometrosis polygynous swarming approach”, en: Proceedings The Congress on Evolutionary Computation (CEC2001), Seoul, Korea: 207–214.
[2] Afshar, A.; Bozog Haddad, O; Marino, M.A.; Adams, B.J. (2007) “Honey-bee mating optimization (HBMO) algorithm for optimal reservoir operation”, Journal of the Franklin Institute344: 452–462.
3 de los Cobos, S.; Gutierrez, M.A.; Rincón, E.; Lara, P.; Aguilar, M. (2012) “Estimación de parámetros de regresión no lineal mediante colonia de abejas artificiales” Revista de Matemática: Teoría y Aplicaciones20(1): 49–60.
[4] Draper, N.R.; Smith, H. (1998) Applied Regression Analysis.Wiley, New York.
[5] Karaboga D.; Akay, B. (2007) “Artificial bee colony (ABC) algorithm on training artificial neural networks”, en: Proceedings of 15th IEEE Signal Processing and Communications Applications: 1–4.
[6] Kennedy, J.; Eberhart, R.C. (2000), Intelligent Swarm Systems.Academic Press, New York, USA.
[7] Kennedy, J.; Eberhart, R.C.; Shi Y. (2001) Swarm Intelligence.Morgan Kaufmann, San Francisco, USA.
[8] McCullough, B.D.; Wilson, B. (2005) “On the accuracy of stastistical procedures in Microsoft Excel 2003”, Comput. Stast. and Data Anal.49: 1244–1252.
[9] NIST (2001), en: http://www.itl.nist.gov/div898/strd/general/dataarchive.html, consultada 20-Feb-2012, 11:35 a.m.
» http://www.itl.nist.gov/div898/strd/general/dataarchive.html
[10] Ozturk, C.; Karaboga, D. (2008) “Classifications by neural networks and clustering with artificial bee colony (ABC) algorithm”, en: Proceedings of the 6th International Symposium on Intelligent and Manufacturing Systems, Features, Strategies and Innovation, Sakarya, Turkey.
[11] Pham, D.T.; Koc, E.; Lee, J.Y.; Phrueksanant, J. (2007) “Using the bees algorithm to schedule jobs for a machine”, en: Proceedings Eighth International Conference on Laser Metrology, CMM and Machine Tool Performance, LAMDAMAP, Euspen, UK, Cardiff: 430–439.
[12] Tvrdík, J. (2009) “Adaptation in differential evolution: a numerical comparison”, Applied Soft Computing9: 1149–1155.

^*Correspondecia a:

Sergio de-los-Cobos-Silva:

Universidad Autónoma Metropolitana-Iztapalapa, Departamento de Ingeniería Eléctrica, Av. San Rafael Atlixco 186, Col. Vicentina, Del. Iztapalapa, México D.F., C.P. 09340, México. E-Mail: cobos@xanum.uam.mx

Miguel A. Gutíerrez-Andrade:

Universidad Autónoma Metropolitana-Iztapalapa, Departamento de Ingeniería Eléctrica, Av. San Rafael Atlixco 186, Col. Vicentina, Del. Iztapalapa, México D.F., C.P. 09340, México. E-Mail:

gamma@xanum.uam.mx

Eric A. Rincón-García:

Universidad Autónoma Metropolitana-Azcapotzalco, Departamento de Sistemas, Av. San Pablo 180, Colonia Reynosa Tamaulipas, México D.F., C.P. 02200, México. E-Mail: rigaeral@correo.azc.uam.mx

Pedro Lara-Velázquez:

Universidad Autónoma Metropolitana-Azcapotzalco, Departamento de Sistemas, Av. San Pablo 180, Colonia Reynosa Tamaulipas, México D.F., C.P. 02200, México. E-Mail:

plara@xanum.uam.mx

Manuel Aguilar-Cornejo:

Universidad Autónoma Metropolitana-Iztapalapa, Departamento de Ingeniería Eléctrica, Av. San Rafael Atlixco 186, Col. Vicentina, Del. Iztapalapa, México D.F., C.P. 09340, México. E-Mail:

mac@xanum.uam.mx

^*Universidad Autónoma Metropolitana-Iztapalapa, Departamento de Ingeniería Eléctrica, Av. San Rafael Atlixco 186, Col. Vicentina, Del. Iztapalapa, México D.F., C.P. 09340, México. E-Mail: cobos@xanum.uam.mx

^†Misma dirección que/Same address as: S. de-los-Cobos-Silva. E-Mail: gamma@xanum.uam.mx

^‡Universidad Autónoma Metropolitana-Azcapotzalco, Departamento de Sistemas, Av. San Pablo 180, Colonia Reynosa Tamaulipas, México D.F., C.P. 02200, México. E-Mail: rigaeral@correo.azc.uam.mx

^§Misma dirección que/Same address as: E. Rincón-García. E-Mail: plara@xanum.uam.mx

^¶Misma dirección que/Same address as: S. de-los-Cobos-Silva. E-Mail: mac@xanum.uam.mx

Received: 20/Sep/2012; Revised: 20/May/2013; Accepted: 10/Jul/2013

Fechas de Publicación

Publicación en esta colección
30 Jul 2014
Fecha del número
Jun 2014

Histórico

Recibido
20 Set 2012
Revisado
20 Mayo 2013
Acepto
10 Jul 2013

[1] [1] Abbass, H.A. (2001) “Marriage in honey-bee optimization (MBO): a haplometrosis polygynous swarming approach”, en: Proceedings The Congress on Evolutionary Computation (CEC2001), Seoul, Korea: 207–214.

[2] [2] Afshar, A.; Bozog Haddad, O; Marino, M.A.; Adams, B.J. (2007) “Honey-bee mating optimization (HBMO) algorithm for optimal reservoir operation”, Journal of the Franklin Institute344: 452–462.

[3] 3 de los Cobos, S.; Gutierrez, M.A.; Rincón, E.; Lara, P.; Aguilar, M. (2012) “Estimación de parámetros de regresión no lineal mediante colonia de abejas artificiales” Revista de Matemática: Teoría y Aplicaciones20(1): 49–60.

[4] [4] Draper, N.R.; Smith, H. (1998) Applied Regression Analysis.Wiley, New York.

[5] [5] Karaboga D.; Akay, B. (2007) “Artificial bee colony (ABC) algorithm on training artificial neural networks”, en: Proceedings of 15th IEEE Signal Processing and Communications Applications: 1–4.

[6] [6] Kennedy, J.; Eberhart, R.C. (2000), Intelligent Swarm Systems.Academic Press, New York, USA.

[7] [7] Kennedy, J.; Eberhart, R.C.; Shi Y. (2001) Swarm Intelligence.Morgan Kaufmann, San Francisco, USA.

[8] [8] McCullough, B.D.; Wilson, B. (2005) “On the accuracy of stastistical procedures in Microsoft Excel 2003”, Comput. Stast. and Data Anal.49: 1244–1252.

[9] [9] NIST (2001), en: http://www.itl.nist.gov/div898/strd/general/dataarchive.html, consultada 20-Feb-2012, 11:35 a.m.
» http://www.itl.nist.gov/div898/strd/general/dataarchive.html

[10] [10] Ozturk, C.; Karaboga, D. (2008) “Classifications by neural networks and clustering with artificial bee colony (ABC) algorithm”, en: Proceedings of the 6th International Symposium on Intelligent and Manufacturing Systems, Features, Strategies and Innovation, Sakarya, Turkey.

[11] [11] Pham, D.T.; Koc, E.; Lee, J.Y.; Phrueksanant, J. (2007) “Using the bees algorithm to schedule jobs for a machine”, en: Proceedings Eighth International Conference on Laser Metrology, CMM and Machine Tool Performance, LAMDAMAP, Euspen, UK, Cardiff: 430–439.

[12] [12] Tvrdík, J. (2009) “Adaptation in differential evolution: a numerical comparison”, Applied Soft Computing9: 1149–1155.

<span name="style_bold">Colonia de abejas artificiales y optimización por enjambre de partículas para la estimación de parámetros de regresión no lineal artificial</span><span name="style_bold"> </span>

Bee colony and particle swarm optimization for the estimation of nonlinear regression parameters

Resúmenes

Referencias bibliográficas

Fechas de Publicación

Histórico