Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/BUBD-AFHP5L
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Felipe Campelo França Pintopt_BR
dc.contributor.referee1Eduardo Gontijo Carranopt_BR
dc.contributor.referee2Lucas de Souza Batistapt_BR
dc.creatorFernanda Caldeira Takahashipt_BR
dc.date.accessioned2019-08-12T19:30:52Z-
dc.date.available2019-08-12T19:30:52Z-
dc.date.issued2015-02-23pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/BUBD-AFHP5L-
dc.description.abstractMultiobjective optimization evolutionary algorithms (MOEAs) are usually evaluated by their ability to obtain good approximations of the Pareto-optimal front with an ideally uniform spread of samples in the space of objectives. However, by discarding information about thespace of decision variables, these computational tools return solution sets that do not consider the sensitivity of points to perturbations in their variables, or that do not contain possible alternative designs leading to similar performance values. This work presents an alternative methodof selection which employs a measure of solution density in the space of decision variables in addition to the traditional ones employed in the space of objectives during the selection procedure of the algorithm. Through an experimental evaluation, it is verified that the inclusionof this approach leads the algorithms to present a greater capacity to generate a representative sampling of the Pareto-optimal set. The proposed approach makes it possible to gather complementaryinformation regarding the sensitivity of solutions belonging to different regions of the search space, providing potentially useful information for the decision maker to select which particular solution may end up being implemented.pt_BR
dc.description.resumoAlgoritmos evolutivos para otimização multiobjetivo (MOEAs) são geralmente avaliados em função de sua habilidade de obter boas aproximações da fronteira Pareto-ótima, com uma distribuição idealmente uniforme de pontos no espaço de objetivos. Entretanto, ao ignorar informações pertinentes ao espaço de variáveis de decisão, estes métodos retornam conjuntossolução que não consideram informações sobre a sensibilidade de pontos em relação a perturbações nas variáveis, ou que não contém possíveis configurações alternativas que levem a valores de desempenho similares. Este trabalho apresenta um método alternativo para a seleçãode soluções que, complementarmente aos modelos tradicionais que utilizam informações provenientes do espaço de objetivos, emprega uma medida de densidade de soluções no espaço de variáveis de decisão durante seu processo de seleção. Através de uma avaliação experimental, é verificado que a inclusão do método leva os algoritmos a apresentarem uma maior capacidade de gerar amostragens representativas do conjunto Pareto-ótimo. Tal abordagem torna possível a coleta de informações complementares relativas à sensibilidade das soluções localizadas em diferentes partes do espaço de busca, que fornece ao decisor informações potencialmente valiosas para a seleção da solução que eventualmente venha ser selecionada para implementação.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAlgoritmos evolutivospt_BR
dc.subjectAnálise de sensibilidadept_BR
dc.subjectOtimização multiobjetivopt_BR
dc.subject.otherAlgoritmospt_BR
dc.subject.otherEngenharia elétricapt_BR
dc.subject.otherAnálise de sensibilidadept_BR
dc.subject.otherOtimização multiobjetivopt_BR
dc.titleEstudo sobre métodos evolutivos multiobjetivos voltados para robustez e diversidade no espaço de decisãopt_BR
dc.typeDissertação de Mestradopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
disserta__o_fernandatakahashi_ppgee.pdf1.35 MBAdobe PDFView/Open


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