ESSIM: A Probabilistic Swarm Optimization Algorithm Based on Bayesian Statistical Inference and Uncertainty-Guided Search
Este artículo presenta ESSIM, un nuevo algoritmo de optimización de enjambre probabilístico que aprovecha la inferencia estadística bayesiana y la incertidumbre de las partículas individuales para mantener la diversidad del enjambre y evitar mínimos locales, superando así al PSO clásico en pruebas de rendimiento multimodales y en tareas de optimización de hiperparámetros de Regresión de Procesos Gaussianos, a pesar de requerir tiempos de computación más largos.