Efecto de los coeficientes de aceleración de PSO en el desempeño de una Red Neuronal Artificial aplicada a la Estimación de Costos

La metaheurística poblacional Particle Swarm Optimization (PSO) desde su aparición ha demostrado ser eficiente en la solución de problemas de optimización, la variación de sus parámetros ha permitido mejorar su eficiencia. El presente trabajo está centrado en realizar un estudio comparativo del efecto de los coeficientes de aceleración, c1 y c2, en el desempeño de PSO para resolver un problema de estimación de costos por medio de una Red Neuronal Artificial (ANN) feedforward sigmoidal. Se evaluó un rango de valores en los coeficientes de aceleración, los demás parámetros, en este caso factor inercial y el tamaño de enjambre se trabajaron con valores fijos. La validación de la solución se realizó por medio de un conjunto de datos de fabricación de tuberías para transferencia de fluidos utilizada en la industria, proveniente de un caso real, con información relacionada con peso, tipo de soldadura, diámetro y el correspondiente costo. La función objetivo utilizada es el Error Cuadrático Medio (MSE), calculado entre los valores observados y los valores estimados por la ANN. A partir de los resultados se puede observar que valores muy pequeños de c1 y c2 obtienen baja exactitud en la estimación de costos de fabricación de tubería, en tanto que la mejor exactitud es lograda por medio de coeficientes de aceleración con valores mayores o iguales a 0.5.