PPGCC - Programa de Pós-graduação em Ciência da Computação

URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/596

Navegar

Filtros

20181

Configurações

Autor: search.filters.author.Mota, Felipe de OliveiraAssunto: search.filters.subject.Otimização combinatória

Resultados da Pesquisa

Agora exibindo 1 - 1 de 1
  • Nenhuma Miniatura Disponível
    Item
    Operador de pesquisa local baseada em aproximação quadrática para problemas de otimização contínua.
    (2018) Mota, Felipe de Oliveira; Moreira, Gladston Juliano Prates; Moreira, Gladston Juliano Prates; Cruz, André Rodrigues; Wanner, Elizabeth Fialho; Santos, Thiago Fontes
    Este documento traz o estudo de um operador de busca local que uti- liza aproxima¸c˜oes quadr´aticas para formar um algoritmo hibrido e resolver problemas multiobjetivo ou mono objetivo com restri¸c˜oes de igualdade. Mui- tas vezes, algoritmos evolutivos como o PSO (Eberhart & Kennedy,1995) conseguem encontrar boas bacias de atra¸c˜ao em problemas de otimiza¸c˜ao, mas explor´a-las pode ser complicado. Por isso uma hibridiza¸c˜ao com poten- cial para encontrar rapidamente m´ınimos locais ´e uma op¸c˜ao amplamente utilizada para acelerar a convergˆencia e melhorar a precis˜ao do processo. Ao longo da sua execu¸c˜ao, os algoritmos evolutivos movem seus pon- tos de maneira que eles avancem a`s regi˜oes com as melhores solu¸c˜oes. Os operadores utilizados, chamados aqui de Full-Matrix Quadratic Approxima- tion (FMQA) e Diagonal Quadratic Approximation (DQA), utilizar˜ao pontos das boas regi˜oes encontradas no espa¸co para gerar fun¸c˜oes quadr´aticas que aproximam as fun¸c˜oes originais do problema. Eles diferem apenas em como as matrizes s˜ao constru´ıdas. Este modelo aproximado pode ser facilmente resolvido, obtendo uma solu¸c˜ao que atender´a o problema original e ´e prova- velmente melhor do que os pontos utilizados para fazer tal constru¸c˜ao. O objetivo do trabalho ´e testar a uni˜ao destes operadores com o algoritmo evolutivo Particle Swarm Optimization (PSO), melhorando seus indiv´ıduos separadamente para resolver problemas com restri¸c˜oes de igualdade. N´os queremos observar suas vantagens e desvantagens quanto a tempo compu- tacional e precis˜ao, quando aplicada aos problemas propostos. Nestes pro- blemas, a dimens˜ao reduzida do espa¸co de busca torna dif´ıcil o trabalho do algoritmo evolutivo puro, e esse operador se mostrou eficiente para auxiliar na busca. Tamb´em ser´a estudado como os operadores performam em problemas multiobjetivo.