A new adaptive evolutionary algorithm for design optimization

Detalhes bibliográficos
Autor(a) principal: Eric Demetrius de Castro Barroca
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21c/2019/05.15.23.22
Resumo: In this work a new adaptive evolutionary algorithm derived from a stochastic algorithm for design optimization called Generalized Extremal Optimization (GEO) is introduced. It eliminates the single free parameter of GEO by controlling its value during the search by an adaptive approach which improved GEO performance significantly, even when considering the best GEO configurations. Nonetheless, it maintains the algorithm principal characteristics of dealing with continuous, discrete and integer design variables on convex or disjoint spaces while respecting design constrains. This new algorithm, called Adaptive Generalized Extremal Optimization (A-GEO), is implemented in two variations and applied to a multidisciplinary optimization problem of spacecraft engineering, showing the potential of the new methods in solving real engineering problems.
id INPE_793cc03ac4a5b9f292acb483cb873213
oai_identifier_str oai:urlib.net:sid.inpe.br/mtc-m21c/2019/05.15.23.22.16-0
network_acronym_str INPE
network_name_str Biblioteca Digital de Teses e Dissertações do INPE
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisA new adaptive evolutionary algorithm for design optimizationUm novo algorítmo evolutívo adaptivo para otmização de projetos2019-05-20Fabiano Luis de SousaRonan Arraes Jardim ChagasRoberto Luiz GalskiAntonio Augusto ChavesEric Demetrius de Castro BarrocaInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Engenharia e Gerenciamento de Sistemas EspaciaisINPEBRGeneralized extremal optimizationadaptive evolutionary algorithmsdesign optimizationspace engineeringmultidisciplinary optimizationotimização extrema generalizadaalgoritmos evolutivos adaptativosotimização de projetosengenharia espacialotimização multidisciplinarIn this work a new adaptive evolutionary algorithm derived from a stochastic algorithm for design optimization called Generalized Extremal Optimization (GEO) is introduced. It eliminates the single free parameter of GEO by controlling its value during the search by an adaptive approach which improved GEO performance significantly, even when considering the best GEO configurations. Nonetheless, it maintains the algorithm principal characteristics of dealing with continuous, discrete and integer design variables on convex or disjoint spaces while respecting design constrains. This new algorithm, called Adaptive Generalized Extremal Optimization (A-GEO), is implemented in two variations and applied to a multidisciplinary optimization problem of spacecraft engineering, showing the potential of the new methods in solving real engineering problems.Neste trabalho um novo algoritmo evolutivo adaptativo derivado de um algoritmo estocástico para otimização de projetos chamado Generalized Extremal Optimization (GEO) é introduzido. Este elimina o único parâmetro livre presente no GEO através de um método adaptativo que controla os valores deste durante a busca, assim melhorando a performance do GEO significantemente, até mesmo quando comparada a sua melhor configuração. Porém, mantém suas principais características de lidar com variáveis de projeto continuas, discretas e inteiras em espaços convexos ou disjuntos respeitando as restrições de projeto. Este novo algoritmo, chamado Adaptive Generalized Extremal Optimization (A-GEO), é implementado em duas variações e aplicado a um problema de otimização multidisciplinar de engenharia de satélites, mostrando o potencial dos novos métodos em resolver problemas reais de engenharia.http://urlib.net/sid.inpe.br/mtc-m21c/2019/05.15.23.22info:eu-repo/semantics/openAccessengreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:56:02Zoai:urlib.net:sid.inpe.br/mtc-m21c/2019/05.15.23.22.16-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:56:04.013Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false
dc.title.en.fl_str_mv A new adaptive evolutionary algorithm for design optimization
dc.title.alternative.pt.fl_str_mv Um novo algorítmo evolutívo adaptivo para otmização de projetos
title A new adaptive evolutionary algorithm for design optimization
spellingShingle A new adaptive evolutionary algorithm for design optimization
Eric Demetrius de Castro Barroca
title_short A new adaptive evolutionary algorithm for design optimization
title_full A new adaptive evolutionary algorithm for design optimization
title_fullStr A new adaptive evolutionary algorithm for design optimization
title_full_unstemmed A new adaptive evolutionary algorithm for design optimization
title_sort A new adaptive evolutionary algorithm for design optimization
author Eric Demetrius de Castro Barroca
author_facet Eric Demetrius de Castro Barroca
author_role author
dc.contributor.advisor1.fl_str_mv Fabiano Luis de Sousa
dc.contributor.advisor2.fl_str_mv Ronan Arraes Jardim Chagas
dc.contributor.referee1.fl_str_mv Roberto Luiz Galski
dc.contributor.referee2.fl_str_mv Antonio Augusto Chaves
dc.contributor.author.fl_str_mv Eric Demetrius de Castro Barroca
contributor_str_mv Fabiano Luis de Sousa
Ronan Arraes Jardim Chagas
Roberto Luiz Galski
Antonio Augusto Chaves
dc.description.abstract.por.fl_txt_mv In this work a new adaptive evolutionary algorithm derived from a stochastic algorithm for design optimization called Generalized Extremal Optimization (GEO) is introduced. It eliminates the single free parameter of GEO by controlling its value during the search by an adaptive approach which improved GEO performance significantly, even when considering the best GEO configurations. Nonetheless, it maintains the algorithm principal characteristics of dealing with continuous, discrete and integer design variables on convex or disjoint spaces while respecting design constrains. This new algorithm, called Adaptive Generalized Extremal Optimization (A-GEO), is implemented in two variations and applied to a multidisciplinary optimization problem of spacecraft engineering, showing the potential of the new methods in solving real engineering problems.
Neste trabalho um novo algoritmo evolutivo adaptativo derivado de um algoritmo estocástico para otimização de projetos chamado Generalized Extremal Optimization (GEO) é introduzido. Este elimina o único parâmetro livre presente no GEO através de um método adaptativo que controla os valores deste durante a busca, assim melhorando a performance do GEO significantemente, até mesmo quando comparada a sua melhor configuração. Porém, mantém suas principais características de lidar com variáveis de projeto continuas, discretas e inteiras em espaços convexos ou disjuntos respeitando as restrições de projeto. Este novo algoritmo, chamado Adaptive Generalized Extremal Optimization (A-GEO), é implementado em duas variações e aplicado a um problema de otimização multidisciplinar de engenharia de satélites, mostrando o potencial dos novos métodos em resolver problemas reais de engenharia.
description In this work a new adaptive evolutionary algorithm derived from a stochastic algorithm for design optimization called Generalized Extremal Optimization (GEO) is introduced. It eliminates the single free parameter of GEO by controlling its value during the search by an adaptive approach which improved GEO performance significantly, even when considering the best GEO configurations. Nonetheless, it maintains the algorithm principal characteristics of dealing with continuous, discrete and integer design variables on convex or disjoint spaces while respecting design constrains. This new algorithm, called Adaptive Generalized Extremal Optimization (A-GEO), is implemented in two variations and applied to a multidisciplinary optimization problem of spacecraft engineering, showing the potential of the new methods in solving real engineering problems.
publishDate 2019
dc.date.issued.fl_str_mv 2019-05-20
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://urlib.net/sid.inpe.br/mtc-m21c/2019/05.15.23.22
url http://urlib.net/sid.inpe.br/mtc-m21c/2019/05.15.23.22
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.publisher.program.fl_str_mv Programa de Pós-Graduação do INPE em Engenharia e Gerenciamento de Sistemas Espaciais
dc.publisher.initials.fl_str_mv INPE
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do INPE
instname:Instituto Nacional de Pesquisas Espaciais (INPE)
instacron:INPE
reponame_str Biblioteca Digital de Teses e Dissertações do INPE
collection Biblioteca Digital de Teses e Dissertações do INPE
instname_str Instituto Nacional de Pesquisas Espaciais (INPE)
instacron_str INPE
institution INPE
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)
repository.mail.fl_str_mv
publisher_program_txtF_mv Programa de Pós-Graduação do INPE em Engenharia e Gerenciamento de Sistemas Espaciais
contributor_advisor1_txtF_mv Fabiano Luis de Sousa
_version_ 1706809362979225600

Registros relacionados