Use este identificador para citar o ir al link de este elemento: http://hdl.handle.net/1843/BUOS-9UNQXA
Tipo: Tese de Doutorado
Título: Colônias de abelhas como modelo para otimização multimodal em espaços contínuos: uma abordagem baseada em alocação de tarefas
Autor(es): Renato Dourado Maia
primer Tutor: Leandro Nunes de Castro Silva
primer Co-tutor: Walmir Matos Caminhas
primer miembro del tribunal : Ricardo Hiroshi Caldeira Takahashi
Segundo miembro del tribunal: Frederico Gadelha Guimaraes
Tercer miembro del tribunal: Aluizio Fausto Ribeiro Araújo
Cuarto miembro del tribunal: Fernando Buarque de Lima Neto
Resumen: Atualmente, é comum a utilização de técnicas de otimização nas mais diversas áreas de aplicação. Independentemente da aplicação, a modelagem de problemas reais raramente contempla todas as possíveis restrições e tampouco prevê restrições temporárias que podem eventualmente surgir. Esse cenário motiva a proposição de mecanismos dedicados à geração e manutenção de diversidade durante a busca pela solução ótima, de modo que soluções candidatas alternativas de alta qualidade possam ser encontradas em uma única execução de um algoritmo de otimização. Dessa forma, evita-se a necessidade de novas modelagens e execuções, dada a possibilidade de escolha, pelo usuário, de uma solução dentre as retornadas que atenda às restrições ou que ele julgue ser a mais viável de ser implantada. Imersa nesse contexto, esta tese propõe um novo algoritmo de Inteligência de Enxame, denominado OptBees, para tratar problemas de otimização mono-objetivo em espaços contínuos inspirado nos comportamentos de forrageamento e coleta de alimentos de abelhas e nos mecanismos (e seus modelos) envolvidos no processo auto-organizado de alocação de tarefas em sociedades de insetos. O OptBees foi projetado para ter a capacidade inerente de gerar e manter diversidade, localizando ótimos locais distintos do problema, de modo que possam ser retornadas múltiplas soluções de alta qualidade. O algoritmo foi avaliado por meio da realização de experimentos baseados no conjunto de problemas de teste proposto para a Competição de Otimização de Parâmetros Reais da CEC Special Session on Real-Parameter Optimization, que ocorreu no IEEE Congress on Evolutionary Computation (CEC) de 2005. Seu desempenho foi comparado ao de diversas ferramentas baseadas em paradigmas distintos, inclusive algoritmos inspirados em comportamentos de abelhas. Os resultados obtidos mostraram que a ferramenta proposta, além de conseguir manter a diversidade durante toda a sua execução, é competitiva também na busca pelo ótimo global.
Abstract: Nowadays, it is common to use optimization techniques in several areas of application. Regardless the application, the modeling of real-world problems rarely takes into account all possible fixed or temporary constraints that may eventually arise. This scenario motivates the proposal of mechanisms dedicated to the generation and maintenance of diversity during the search for the optimal solution, so that alternative high quality candidate solutions can be found in a single execution of an optimization algorithm. This avoids the need for new modeling and executions, given the possibility of choice, by the user, of a solution among those returned that meets the constraints or that he/she deems to be the most feasible to be implemented. In this context, this thesis proposes a new Swarm Intelligence algorithm, called Opt- Bees, to treat mono-objective optimization problemas in continuous spaces, inspired by the foraging behavior of bees and by mechanisms (their models) involved in the self-organizing process of task allocation in insect societies. The OptBees was designed to have the inherent ability to generate and maintain diversity, finding distinct local optima of the problem, so that multiple high-quality solutions can be returned in a single run. The algorithm was evaluated by conducting experiments based on the set of test problems proposed for the Competition on Real-Parameter Optimization of the CEC Special Session on Real-Parameter Optimization, which occurred in IEEE Congress on Evolutionary Computation (CEC) in 2005. The performance of OptBees was compared to that of several tools based on different approaches, including algorithms inspired by the behavior of bees. The results obtained demonstrated that the proposed tool, can maintain diversity throughout its execution whilst still being competitive in the search for the global optimum.
Asunto: Algoritmos
Otimização combinatória
Engenharia elétrica
Idioma: Português
Editor: Universidade Federal de Minas Gerais
Sigla da Institución: UFMG
Tipo de acceso: Acesso Aberto
URI: http://hdl.handle.net/1843/BUOS-9UNQXA
Fecha del documento: 10-dic-2012
Aparece en las colecciones:Teses de Doutorado

archivos asociados a este elemento:
archivo Descripción TamañoFormato 
tese_renato_dourado_maia_biblioteca_com_ficha.pdf5.72 MBAdobe PDFVisualizar/Abrir


Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.