Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/BUOS-9UNQXA
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Leandro Nunes de Castro Silvapt_BR
dc.contributor.advisor-co1Walmir Matos Caminhaspt_BR
dc.contributor.referee1Ricardo Hiroshi Caldeira Takahashipt_BR
dc.contributor.referee2Frederico Gadelha Guimaraespt_BR
dc.contributor.referee3Aluizio Fausto Ribeiro Araújopt_BR
dc.contributor.referee4Fernando Buarque de Lima Netopt_BR
dc.creatorRenato Dourado Maiapt_BR
dc.date.accessioned2019-08-11T21:07:57Z-
dc.date.available2019-08-11T21:07:57Z-
dc.date.issued2012-12-10pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/BUOS-9UNQXA-
dc.description.abstractNowadays, 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.pt_BR
dc.description.resumoAtualmente, 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.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAlocação de Tarefaspt_BR
dc.subjectAuto-pt_BR
dc.subjectInteligência de Enxamept_BR
dc.subjectMultimodalidadept_BR
dc.subjectDiversidadept_BR
dc.subjectorganizaçãopt_BR
dc.subjectOtimizaçãopt_BR
dc.subject.otherAlgoritmospt_BR
dc.subject.otherOtimização combinatóriapt_BR
dc.subject.otherEngenharia elétricapt_BR
dc.titleColônias de abelhas como modelo para otimização multimodal em espaços contínuos: uma abordagem baseada em alocação de tarefaspt_BR
dc.typeTese de Doutoradopt_BR
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
tese_renato_dourado_maia_biblioteca_com_ficha.pdf5.72 MBAdobe PDFView/Open


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