Search

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. 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.

This paper shows the comparison results of ABC (Artificial Bee Colony) and PSO (Particle Swarm Optimization) heuristic tech- niques 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. 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.