Submitted by Maria Cristina (library@lncc.br) on 2015-10-07T15:23:26Z
No. of bitstreams: 1
TeseEduardoKrempserDaSilva.pdf: 3216403 bytes, checksum: 1c9a6669bd66c6ab34913d087cb25175 (MD5) / Approved for entry into archive by Maria Cristina (library@lncc.br) on 2015-10-07T15:23:44Z (GMT) No. of bitstreams: 1
TeseEduardoKrempserDaSilva.pdf: 3216403 bytes, checksum: 1c9a6669bd66c6ab34913d087cb25175 (MD5) / Made available in DSpace on 2015-10-07T15:23:55Z (GMT). No. of bitstreams: 1
TeseEduardoKrempserDaSilva.pdf: 3216403 bytes, checksum: 1c9a6669bd66c6ab34913d087cb25175 (MD5)
Previous issue date: 2014-06-30 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / In several situations, discontinuities and di_culties in the use of derivatives,
as well as the presence of discrete or mixed design variables make the application of classic optimization methods less attractive. These dificulties suggest the application of population-based metaheuristics, and specially those with natural inspiration. Among them, we are interested in the so called Diferential Evolution (DE), which has obtained good results in the literature. Despite of the quality of solutions obtained by DE in several optimization problems, DE cannot be used when the solution evaluation involves a computational expensive simulation.
Therefore, even considering the continuous improvement of computational power in recent decades with a cost reduction, the application of metaheuristics such as DE, is deficient in the mentioned cases due to the large number of evaluations/simulations required to obtain a solution. In this context, the application of metamodels, or surrogate models, together with metaheuristics has received a growing attention of researchers of several areas. The metamodels generate a computational model which is simpler to be used in parts of the optimization process, replacing the original model. Its construction is based in previously obtained simulation results during the current optimization process. This work presents a new application strategy of metamodels within DE, which allows for computational cost reduction, besides providing a mechanism to alleviate the user of the variant parameter definition, one of most important definitions in DE.
The work presents also an evaluation of di_erent local approximation models
used as metamodel in the proposed scheme. Finally, some improvements are
proposed by means of Design of Experiments (DoE) techniques and the adaptive selection of metamodel parameters; the DoE are applied aiming for the best way to select the next points to be evaluation and, consequently, generating a better final solution with a lower cost. The other proposed use of Adaptive Operator Selection mechanism is to select the number of radial basis used in the Radial Basis Function Networks applied as metamodel. / Em várias situações de interesse, descontinuidades e dificuldades severas no uso de derivadas, bem como variáveis de projeto discretas ou mistas tornam a aplicação de métodos clássicos de otimização pouco atraentes. Essas dificuldades sugerem o emprego de meta-heurísticas populacionais, em especial as de inspiração natural. Dentre estas estamos interessados na chamada Evolução Diferencial (DE), que tem apresentado bons resultados na literatura. Apesar da qualidade das soluções obtidas pela aplicação da DE nos mais diversos problemas de otimização, seu uso mostra-se proibitivo quando a avaliacão de uma solução candidata envolve uma simulação computacionalmente cara. Portanto, mesmo considerando que se observa nas ultimas décadas um contínuo processo de evolução da capacidade de processamento e a redução de seu custo, a aplicação de meta-heurísticas, tais como a DE, ainda e deficiente para os casos de interesse devido ao grande número de avaliações/simulações necessárias para obtenção da solução. Nesse contexto, a aplicação de metamodelos em conjunto com meta-heurísticas tem recebido uma crescente atenção dos pesquisadores de diversas áreas. Os metamodelos fornecem um modelo computacionalmente mais simples a ser utilizado em parte do processo de otimização em substituição ao modelo original. Para sua construção vale-se dos resultados das simulações previamente realizadas durante o próprio processo de otimização. Este trabalho apresenta uma estratégia de aplicação de metamodelos na DE, o qual permite a redução do custo computacional envolvido, além de valer-se de um mecanismo capaz de evitar a seleção a priori, por parte do usuário, de um dos mais importantes parâmetros da DE, a variante a ser utilizada. O trabalho apresenta ainda uma avaliação do uso de diferentes modelos de aproximação local como metamodelos para o esquema proposto. Apresentam-se também aprimoramentos da proposta por meio da aplicação de técnicas de Desenho de Experimentos (DoE) e a seleção automática do parâmetro do metamodelo. O DoE é aplicado visando uma melhor seleção dos pontos a serem exatamente avaliados e, consequentemente, melhorando a solução final com um menor custo computacional. Uma outra proposta, que será apresentada no final do trabalho, utiliza um mecanismo de adaptação de operadores para a seleção do número de bases de função radial da Rede de Funções de Base Radial considerada como metamodelo ao final do trabalho.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede-server.lncc.br:tede/216 |
| Date | 30 June 2014 |
| Creators | Silva, Eduardo Krempser da |
| Contributors | Barbosa, Helio José Corrêa, Dardenne, Laurent Emmanuel, Ebecken, Nelson Francisco Favilla, Takahashi, Ricardo Hiroshi Caldeira, Evsukoff, Alexandre Gonçalves |
| Publisher | Laboratório Nacional de Computação Científica, Programa de Pós-Graduação em Modelagem Computacional, LNCC, Brasil, Serviço de Análise e Apoio a Formação de Recursos Humanos |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do LNCC, instname:Laboratório Nacional de Computação Científica, instacron:LNCC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0028 seconds