Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-03-06T11:57:32Z
No. of bitstreams: 1
grasielereginaduarte.pdf: 2553018 bytes, checksum: e0b9afbcc0b18965321f8db8ea7d38b8 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-03-06T20:19:40Z (GMT) No. of bitstreams: 1
grasielereginaduarte.pdf: 2553018 bytes, checksum: e0b9afbcc0b18965321f8db8ea7d38b8 (MD5) / Made available in DSpace on 2017-03-06T20:19:40Z (GMT). No. of bitstreams: 1
grasielereginaduarte.pdf: 2553018 bytes, checksum: e0b9afbcc0b18965321f8db8ea7d38b8 (MD5)
Previous issue date: 2015-03-06 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Os problemas de otimização estão presentes em diversas áreas de atuação da sociedade e o
uso de algoritmos bio-inspirados para a resolução de problemas complexos deste tipo vem
crescendo constantemente. O Algoritmo Colônia de Abelhas Artificiais (ABC – do inglês
Artificial Bee Colony) é um algoritmo bio-inspirado proposto em 2005 para a resolução de
problemas de otimização multimodais e multidimensionais. O fenômeno natural que inspirou
o desenvolvimento do ABC foi o comportamento inteligente observado em colônias
de abelhas, mais especificamente no forrageamento. O ABC foi proposto inicialmente
para ser aplicado na resolução de problemas sem restrições. Este trabalho avalia o desempenho
do ABC quando aplicado na resolução de problemas de otimização com restrições.
Para o tratamento das restrições, métodos de penalização serão incorporados ao ABC.
São analisados diversos métodos de penalização, de diferentes tipos, com o objetivo de
identificar com qual deles o algoritmo apresenta melhor desempenho. Além disto, são
avaliadas possíveis limitações e cuidados que devem ser tomados ao combinar métodos
de penalização ao ABC. O algoritmo proposto é avaliado através da resolução de problemas
de otimização encontrados na literatura. Vários experimentos computacionais são
realizados e gráficos e tabelas são gerados para demonstração dos resultados obtidos que
também são discutidos. / Optimization problems are present in several areas of society and the use of bio-inspired
algorithms to solve complex problems of this type has been growing constantly. The Artificial
Bee Colony Algorithm (ABC) is a bio-inspired algorithm proposed in 2005 for solving
multimodal and multidimensional optimization problems. The natural phenomenon that
inspired the development of the ABC was intelligent behavior observed in bee colonies,
more specifically in foraging. The ABC was initially proposed to be applied to solve
unconstrained problems. This study evaluates the performance of ABC when applied
in solving constrained optimization problems. For the treatment of constraints, penalty
methods will be incorporated into the ABC. Several penalty methods, of different types,
are analyzed with the goal of identifying which of these penalty methods offers better
performance. Furthermore, possible limitations and care that should be taken when combining
penalty methods to ABC are evaluated. The proposed algorithm is evaluated by
solving optimization problems found in the literature. Several computational experiments
are performed and graphs and tables are generated for demonstration of the obtained results
which are also discussed.
Identifer | oai:union.ndltd.org:IBICT/oai:hermes.cpd.ufjf.br:ufjf/3544 |
Date | 06 March 2015 |
Creators | Duarte, Grasiele Regina |
Contributors | Lemonge, Afonso Celso de Castro, Fonseca, Leonardo Goliatt da, Barbosa, Helio José Corrêa, Silva, Eduardo Krempser da |
Publisher | Universidade Federal de Juiz de Fora (UFJF), Programa de Pós-graduação em Modelagem Computacional, UFJF, Brasil, ICE – Instituto de Ciências Exatas |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFJF, instname:Universidade Federal de Juiz de Fora, instacron:UFJF |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds