Diseño de Herramienta para la Toma de Decisiones Avanzada con Inteligencia de Enjambre en un Ambiente Multicriterio.

Fecha

2024-03

Autores

Ramírez Ochoa, Dynhora Danheyda

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Autónoma de Ciudad Juárez

Resumen

Descripción

En el ámbito de toma de decisiones y la optimización, los métodos tradicionales enfrentan desafíos que limitan su efectividad. La necesidad de soluciones óptimas en entornos multicriterio ha impulsado la exploración de enfoques innovadores que combinan la teoría de optimización con algoritmos metaheurísticos y Métodos de Toma de Decisión Multicriterio(MCDM). Este proyecto propone el diseño y desarrollo de un sistema con inteligencia de enjambre en un ambiente multicriterio para proporcionar soluciones satisfactorias y óptimas en el análisis de la toma de decisiones avanzada. Para ello, diseña la metodología “Desarrollo de Estrategias y Sistemas Inteligentes de Enjambre(DESIE), que abarca desde la identificación de las estrategias de optimización a utilizar hasta la evaluación de resultados. Se han creado nueve algoritmos híbridos, denominados “Toma de Decisiones Hibrida(HyDM), que incorporan MCDM en el preprocesamiento de datos. Además, se han desarrollado un programa computacional accesible a través de internet que aplica estos algoritmos, facilitando comparaciones sin necesidad de instalar programas adicionales. Ha herramienta resultante ha demostrado éxito en la optimización del proceso de análisis y toma de decisiones. Algunos de los algoritmos HyDM han ampliado la capacidad de búsqueda de soluciones óptimas globales, evitando soluciones subóptimas locales. La evaluación meticulosa ha identificado a MOORA-PSO como el más eficaz, seguido de cerca por MOORA-ACO y TOPSIS-PSO, proporcionando una guía clara para futuras implementaciones en situaciones similares. Este enfoque propone mejorar significativamente la efectividad de la toma de decisiones en entornos multicriterio.

Palabras clave

PSO, BA, ACO, MOORA, TOPSIS, DA, optimización, algoritmos híbridos.

Citación