Return to search

Uma abordagem hiper-heurística inspirada em enxame de partículas / A hyper-heuristic approach inspired by particle swarms (Inglês)

Made available in DSpace on 2019-03-29T23:33:16Z (GMT). No. of bitstreams: 0
Previous issue date: 2012-07-27 / Hyper-heuristics are an emerging theme in the optimization area which try to address computationally hard problems at a new level of abstraction. Instead of having a single algorithm that is optimized to perform well on a certain class of problems, hyper-heuristics try to balance the advantages and disadvantages of a set of problem specific heuristic algorithms, named low-level heuristics. By combining and parameterizing these heuristics or heuristic components in different ways, hyper-heuristics seek a satisfactory result in a larger set of problem instances. The objectives of this work are to propose a new hyper-heuristic approach inspired by particle swarms and to analyze empirically the utilization and the effectiveness of low-level heuristics during the execution of the proposed hyper-heuristic and of a set of hyper-heuristics proposed by other authors. The novel hyper-heuristic simultaneously explores the heuristic space as well as the solution space by maintaining both a population of heuristics and another of candidate solutions. Computational experiments and statistical tests were used to compare the effectiveness of the hyper-heuristics investigated here, demonstrating that the proposed hyper-heuristic obtained a more satisfactory performance in accordance with the evaluation metrics used. The empirical analysis allowed us to observe the different patterns of usage by the contestant hyper-heuristics of the low-level heuristics available for each problem domain.
Keywords: Hyper-heuristics, Metaheuristics, Combinatorial Optimization, Particle Swarm Optimization. / Hiper-heurísticas são um tema emergente na área de otimização e se propõem a resolver problemas computacionalmente difíceis com um novo nível de abstração. Em vez de se ter um único algoritmo otimizado para tratar bem uma certa classe de problemas, elas tentam balancear as vantagens e desvantagens de um conjunto de heurísticas específicas para um domínio de problema, denominadas heurísticas de baixo nível. Combinando e parametrizando essas heurísticas, ou componentes de heurísticas, se busca um resultado satisfatório em um conjunto maior de instâncias de problemas. Os objetivos deste trabalho são propor uma nova abordagem hiper-heurística inspirada em enxame de partículas e analisar empiricamente o uso e a eficácia das heurísticas de baixo nível utilizadas durante a execução da hiper-heurística proposta, bem como de um conjunto de hiper-heurísticas concebidas por outros autores. A hiper-heurística proposta explora concorrentemente o espaço de busca heurístico e o espaço de busca de soluções, lançando mão de uma população de heurísticas e outra de soluções-candidatas. Experimentos computacionais e testes estatísticos foram utilizados para comparar a eficácia das hiper-heurísticas investigadas, demonstrando que a hiper-heurística proposta obteve um desempenho mais satisfatório de acordo com as métricas de avaliação utilizadas. Por outro lado, a análise empírica possibilitou o entendimento dos diferentes padrões de uso, por parte das hiper-heurísticas investigadas, das heurísticas de baixo nível disponíveis para cada domínio de problema.
Palavras-Chave: Hiper-heurísticas, Meta-heurísticas, Otimização Combinatória, Otimização por Enxame de Partículas.

Identiferoai:union.ndltd.org:IBICT/oai:dspace.unifor.br:tede/89585
Date27 July 2012
CreatorsMoreno, Paulo César
ContributorsCoelho, Andre Luis Vasconcelos, Coelho, Andre Luis Vasconcelos, Delgado, Myriam Regattieri De Biase da Silva, Nepomuceno, Napoleao Vieira
PublisherUniversidade de Fortaleza, Mestrado Em Informática Aplicada, UNIFOR, Brasil, Centro de Ciências Tecnológicas
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UNIFOR, instname:Universidade de Fortaleza, instacron:UNIFOR
Rightsinfo:eu-repo/semantics/openAccess
Relation5443571202788449035, 500, 500, -7645770940771915222

Page generated in 0.0021 seconds