Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/30415
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Jaime Arturo Ramírezpt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6690275350395550pt_BR
dc.contributor.advisor-co1Frederico Gadelha Guimarãespt_BR
dc.contributor.referee1Jaime Arturo Ramírezpt_BR
dc.contributor.referee2Frederico Gadelha Guimarãespt_BR
dc.contributor.referee3Helio José Correa Barbosapt_BR
dc.contributor.referee4Marcone Jamilson Freitas Souzapt_BR
dc.contributor.referee5Rodney Resende Saldanhapt_BR
dc.creatorLucas de Souza Batistapt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9418849740691899pt_BR
dc.date.accessioned2019-10-16T18:14:13Z-
dc.date.available2019-10-16T18:14:13Z-
dc.date.issued2011-09-22-
dc.identifier.urihttp://hdl.handle.net/1843/30415-
dc.description.abstractRelaxed forms of Pareto dominance have been shown to be the most effective way in which evolutionary algorithms can progress towards the Pareto-optimal set with a widely spread distribution of solutions. A popular concept is the epsilon-dominance technique, which has been employed as an archive update strategy in some multiobjective evolutionary algorithms (MOEA). In spite of the great usefulness of the epsilon-dominance concept, there are still difficulties in computing an appropriate value of epsilon that provides the desirable number of nondominated points. Additionally, several viable solutions may be lost depending on the hypergrid adopted, impacting the diversity of the estimate set. In order to remedy these limitations, we propose a variant of the epsilon-dominance criterion, named cone epsilon-dominance, which maintains the good convergence properties of epsilon-dominance while providing a better control over the resolution of the estimated Pareto front and improving the spread of solutions along the front. This work presents a comprehensive study of the cone epsilon-approach, comparing its performance with the epsilon-dominance and the standard Pareto relation on sixteen well-known benchmark problems. To evaluate the possible differences between these approaches, a designed statistical experiment is performed for four performance metrics, measuring both diversity and convergence to the Pareto front. The results obtained show that a steady-state cone epsilon-MOEA is able to significantly outperform the other techniques tested in terms of finding well spread Pareto-optimal solutions, with an improvement for the diversity metric of about 16% over the epsilon-MOEA and 22% over the NSGA-II, and gains of up to 71% on individual problems. Statistically significant differences are also present for the other metrics tested, but with much smaller effect sizes, strongly suggesting the cone epsilon-criterion as a dominance relation capable of maintaining the good convergence properties of the epsilon-dominance while enhancing the diversity characteristics of the solution sets found.pt_BR
dc.description.resumoFormas relaxadas de dominância Pareto têm se mostrado o caminho mais eficiente por meio do qual algoritmos evolucionários multiobjetivo progridem em direção ao conjunto Pareto-ótimo, com soluções bem distribuídas ao longo da fronteira estimada. A técnica mais popular é a relação epsilon-dominância, utilizada como estratégia de atualização da população de arquivo em vários destes algoritmos. Apesar da grande utilidade do conceito de epsilon-dominância, existem ainda dificuldades quanto à especificação de um valor apropriado para epsilon que possibilite estimar o número desejado de pontos não-dominados. Além disso, várias soluções viáveis podem ser perdidas em função da discretização adotada por este mecanismo, impactando a diversidade do conjunto aproximado. Com o objetivo de contornar estas limitações, propõe-se uma variante da estratégia epsilon-dominância, chamada cone epsilon-dominância, a qual mantém as propriedades de convergência observadas na técnica epsilon-dominância, provê um melhor controle sobre a resolução (qualidade) da fronteira Pareto estimada, e possibilita também uma melhor distribuição das soluções ao longo da fronteira. Este trabalho apresenta um estudo crítico sobre a relação cone epsilon-dominância, onde o seu desempenho é comparado com as técnicas epsilon- e Pareto-dominância em dezesseis problemas conhecidos da literatura. Para avaliar as possíveis diferenças entre estes mecanismos, realiza-se uma análise estatística dos resultados considerando-se quatro indicadores de qualidade, visando mensurar a convergência e a diversidade das soluções estimadas. Os resultados obtidos mostram que o algoritmo evolucionário multiobjetivo baseado na relação cone epsilon-dominância, nomeado coneepsilon-MOEA, foi significativamente superior às outras técnicas testadas, principalmente, em termos da diversidade entre as soluções Pareto-ótimas encontradas, com ganhos de aproximadamente 16% sobre o epsilon-MOEA e 22% sobre o NSGA-II. Ainda com relação à métrica de diversidade, o método coneepsilon-MOEA obteve ganhos superiores a 70% em problemas individuais. Diferenças significativas são apresentadas também para os outros indicadores testados, porém com pequenos tamanhos de efeito, sustentando a ideia de que a relação cone epsilon-dominância mantém as propriedades de convergência da técnica epsilon-dominância enquanto melhora as características de diversidade dos conjuntos não-dominados aproximados.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICApt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAlgoritmos evolucionáriospt_BR
dc.subjectAlgoritmos genéticospt_BR
dc.subjectFormas relaxadas de dominância Paretopt_BR
dc.subjectOtimização multiobjetivopt_BR
dc.subject.otherEngenharia elétricapt_BR
dc.subject.otherOtimização multiobjetivopt_BR
dc.subject.otherAlgoritmospt_BR
dc.subject.otherDominância de Paretopt_BR
dc.titleInvestigação de novas abordagens para otimização multiobjetivo em algoritmos evolutivospt_BR
dc.typeTesept_BR
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
265D-TeseFinal-LucasBatista.pdf4.72 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.