Return to search

Algoritmos de nuvem de partículas e a otimização com muitos objetivos

Resumo: Problemas de otimização multiobjetivo (MOPs) sao problemas que possuem mais de uma função objetivo a ser minimizada ou maximizada. Entre as abordagens mais utilizadas atualmente para resolve-los destaca-se o uso de metaheurísticas populacionais. Esta popularidade se deve principalmente à natureza destas de lidar simultaneamente com diversas soluções (populacao) em uma única execucao. Um algoritmo muito utilizado para lidar com MOPs e chamado otimizacao por nuvem de partículas multiobjetivo (MOPSO), esta e uma abordagem derivada da otimizaçao por nuvem de partículas (PSO), que e uma metaheurística inspirada no comportamento de conjuntos de aves. Devido ao bom desempenho apresentado pelos MOPSOs ao resolver MOPs, esta abordagem vem sendo estendida para a resolucao de problemas de otimizaçao com muitos objetivos (MaOPs). Estes problemas sao caracterizados por apresentarem mais de tres funçoes objetivo e uma alta complexidade causada principalmente porque a proporçao de soluções não dominadas em uma populacao aumenta rapidamente com o número de objetivos, o que diminui a pressao de selecõo em direçao a fronteira de Pareto. Alem disso, o numero de pontos necessúrios para representar a fronteira aumenta exponencialmente de acordo com o numero de objetivos dificultando a obtençao de solucoes diversas o suficiente para cobri-la totalmente. Este trabalho apresenta algumas tecnicas aplicadas para melhorar o desempenho do MOPSO ao resolver MaOPs e tornú-lo menos sensível ao aumento no número de objetivos. Primeiramente estudaram-se duas tecnicas de controle da úrea de dominância das solucoes para aumentar a pressao de seleçõo, normalmente reduzida pelo aumento no numero de objetivos. Outra tecnica estudada foi a alteracao do metodo de selecao de líderes do MOPSO com a realizaçao de um estudo empírico usando seis metodos e os melhores foram destacados. Foi estudada tambem a influencia sofrida por esses metodos devido a alteracao na técnica de controle da área de dominância, e as melhores combinações foram identificadas através de estudos empíricos. Por último um novo MOPSO e proposto usando o conceito de pontos de referencia distribuindo melhor as soluções obtidas e com isso melhorando a convergencia a fronteira real. Estudos empíricos tambem foram realizados para comparar a nova abordagem a abordagem classica. A partir dos trabalhos realizados aqui tres artigos foram publicados, sendo o primeiro um estudo sobre os metodos de selecao de líderes, o segundo propondo um novo MOPSO que usa uma tecnica de controle da area de dominancia, e o terceiro que avalia a influencia das tecnicas de controle da area de dominância no desempenho dos metodos de selecõo de líder e identifica as melhores combinacoes entre tecnica de controle da area de dominância e metodo de seleçao de líder. Em geral todos os estudos realizados apresentaram melhorias de desempenho em relacao ao algoritmo original utilizado, especialmente no contexto de muitos objetivos.

Identiferoai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/29836
Date26 March 2013
CreatorsCastro Junior, Olacir Rodrigues
ContributorsRamirez Pozo, Aurora Trinidad, 1959-, Universidade Federal do Paraná. Setor de Ciencias Exatas. Programa de Pós-Graduaçao em Informática
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.011 seconds