Estratégias de otimização contínua Caixa-Cinza para problemas de larga escala.

Página do item simplificado
dc.contributor.advisorFreitas, Alan Robert Resende dept_BR
dc.contributor.authorCosta, Rodolfo Ayala Lopes
dc.contributor.refereeFreitas, Alan Robert Resende dept_BR
dc.contributor.refereeCarvalho, Marco Antonio Moreira dept_BR
dc.contributor.refereeToffolo, Túlio Ângelo Machadopt_BR
dc.contributor.refereeArroyo, José Elias Claudiopt_BR
dc.contributor.refereeGuimarães, Frederico Gadelhapt_BR
dc.date.accessioned2022-02-24T16:59:49Z
dc.date.available2022-02-24T16:59:49Z
dc.date.issued2021pt_BR
dc.descriptionPrograma de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.pt_BR
dc.description.abstractA otimização caixa-cinza tem emergido como uma alternativa promissora aos tradicionais métodos de otimização caixa-preta, uma vez que esses métodos tradicionais deterioram seu desempenho ao lidar com problemas de larga escala. Embora trabalhos relacionados à otimização caixa-cinza tenham sido introduzidos na literatura nos últimos anos, há uma carência de estudos sobre essa abordagem no contexto de otimização contínua. Os problemas de otimização contínua representam uma importante subclasse de problemas práticos de otimização. Em particular, estudos sobre otimização contínua de problemas de larga escala vem recebendo especial atenção na última década. Nesse contexto, este trabalho se propõe a estudar e desenvolver diferentes abordagens caixa-cinza para lidar com essa subclasse de problemas. Para isso, definições matemáticas de separabilidade de problemas de otimização que são a base teórica para implementação das abordagens caixa-cinza são apresentadas e discutidas. Baseados nessas definições, diferentes algoritmos caixa-cinza foram propostos neste estudo. Um estudo experimental utilizando um conjunto de problemas de otimização contínua de larga escala foi proposto para investigar o desempenho das abordagens introduzidas. Os resultados demonstram um desempenho promissor das abordagens caixa-cinza em comparação com as versões caixa-preta. Em resumo, esses resultados demonstram a capacidade das estratégias caixa-cinza de melhorar as soluções encontradas e economizar tempo de processamento, explorando a estrutura do problema e avaliações parciais.pt_BR
dc.description.abstractenGray-box optimization has been emerging as a promissory alternative to black-box optimization since black-box algorithms deteriorate their performance to tackle large-scale problems. Even though gray-box optimization-related works have been proposed in the literature over the last few years, there is a lack of studies about gray-box methods to solve continuous optimization problems. Continuous optimization problems represent an important subclass of real-world optimization problems. In particular, the large-scale continuous optimization problem has been getting special attention in optimization researches over the past decade. Thus, this work proposes studying and developing different gray-box approaches to deal with large-scale continuous optimization problems. This study discussed the mathematical concepts of separability definitions for continuous optimization problems that are the theoretical foundation for implementing gray-box optimization approaches. Thus, this study proposes different gray-box algorithms for local and global optimization, considering the separability definitions studied. An experimental study with a well-known benchmark for large-scale continuous optimization problems has been proposed to investigate the performance of the introduced gray-box algorithms. The results show a promissory performance of gray-box approaches compared to traditional black-box versions. In summary, results show that the gray-box approaches can achieve better solutions and save time processing by exploring the problem structure and partial evaluations.pt_BR
dc.identifier.citationCOSTA, Rodolfo Ayala Lopes. Estratégias de otimização contínua Caixa-Cinza para problemas de larga escala. 2021. 148 f. Tese (Doutorado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.pt_BR
dc.identifier.urihttp://www.repositorio.ufop.br/jspui/handle/123456789/14551
dc.language.isopt_BRpt_BR
dc.rightsabertopt_BR
dc.rights.licenseAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 15/02/2022 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.pt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectOtimização contínuapt_BR
dc.subjectProblemas de otimização contínua de larga escalapt_BR
dc.subjectOtimização contínua caixa-cinzapt_BR
dc.titleEstratégias de otimização contínua Caixa-Cinza para problemas de larga escala.pt_BR
dc.title.alternativeGray-Box continuous optimization strategies for large-scale problems.pt_BR
dc.typeTesept_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura Disponível
Nome:
TESE_EstratégiaOtimizaçãoContínua.pdf
Tamanho:
1.84 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura Disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

PPGCC - Doutorado (Teses)