Otimização multimodal baseada em métodos unimodais e de clusterização
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UERJ |
Texto Completo: | http://www.bdtd.uerj.br/handle/1/13691 |
Resumo: | Optimization problems which have two or more global optimal solutions are known as global multimodal problems. Obtaining all global solutions for this kind of problems can be important and lead to a hard task. This work proposes two methodologies that links optimization methods and clustering to find all optimal solutions of a global multimodal problem. We run a given number of iterations of the evolutionary algorithm Harmony Search to create small groups around each point of global optimum to a n-dimensional function. Then, we use Laplacian Eigenmap to identify these clusters and represent them in a space of smaller dimension, possibly. Subsequently, we classify each cluster using k-means in reduced dimension or by smoothing the distance matrix and we obtain an estimate to each global optimum point. After that, we use the Hooke-Jeeves deterministic algorithm to obtain a global optimum point from each of the estimates. To verify the proposed methodology we use test functions, initially defined in a two-dimensional space. Thereafter, we use functions defined on spaces of higher dimension. The methodologies were also applied to a real engineering problem which corresponds to the refrigerant system ammonia + R-125. The results indicate that the methodologies are able to construct good approximations of the optimum points. |
id |
UERJ_d73145b40e2224a941cf0c07f7b0e641 |
---|---|
oai_identifier_str |
oai:www.bdtd.uerj.br:1/13691 |
network_acronym_str |
UERJ |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
repository_id_str |
2903 |
spelling |
Moura Neto, Francisco Duartehttp://lattes.cnpq.br/6680742566331144Platt, Gustavo Mendeshttp://lattes.cnpq.br/4140908385855725Fabbri, Ricardohttp://lattes.cnpq.br/5759364958802333Domingos, Roberto Pinheirohttp://lattes.cnpq.br/0109837868064895Brito, Jose Andre de Mourahttp://lattes.cnpq.br/9036541085964477Peixoto, Fernando Cunhahttp://lattes.cnpq.br/7801741654726440http://lattes.cnpq.br/3329203465610170Almeida, Deise Mara Barbosa de2021-01-07T14:38:13Z2016-06-232016-02-25ALMEIDA, Deise Mara Barbosa de. Otimização multimodal baseada em métodos unimodais e de clusterização. 2016. 117 f. Tese (Doutorado em Modelagem Computacional) - Universidade do Estado do Rio de Janeiro, Nova Friburgo, 2016.http://www.bdtd.uerj.br/handle/1/13691Optimization problems which have two or more global optimal solutions are known as global multimodal problems. Obtaining all global solutions for this kind of problems can be important and lead to a hard task. This work proposes two methodologies that links optimization methods and clustering to find all optimal solutions of a global multimodal problem. We run a given number of iterations of the evolutionary algorithm Harmony Search to create small groups around each point of global optimum to a n-dimensional function. Then, we use Laplacian Eigenmap to identify these clusters and represent them in a space of smaller dimension, possibly. Subsequently, we classify each cluster using k-means in reduced dimension or by smoothing the distance matrix and we obtain an estimate to each global optimum point. After that, we use the Hooke-Jeeves deterministic algorithm to obtain a global optimum point from each of the estimates. To verify the proposed methodology we use test functions, initially defined in a two-dimensional space. Thereafter, we use functions defined on spaces of higher dimension. The methodologies were also applied to a real engineering problem which corresponds to the refrigerant system ammonia + R-125. The results indicate that the methodologies are able to construct good approximations of the optimum points.Problemas de otimização que possuem dois ou mais pontos de ótimo global são chamados de problemas globalmente multimodais. A obtenção de todas as soluções neste tipo de problema pode ser importante e resultar em uma árdua tarefa. Este trabalho propõe duas metodologias que fazem junção de métodos de otimização e agrupamento com o objetivo de encontrar todos os ótimos de um problema globalmente multimodal. Para tal, utiliza-se um determinado número de iterações do algoritmo evolutivo Busca Harmônica (Harmony Search) para que os indivíduos se dividam em subgrupos em torno de cada ponto de ótimo global de uma dada função n-dimensional. Em seguida, usa-se o Laplacian Eigenmap para identificar estes grupos e, possivelmente, representá-los em dimensão menor. Posteriormente, faz-se a classificação de cada grupo em dimensão reduzida utilizando o k-means ou através da suavização da matriz de distância, e obtém-se uma estimativa para cada ponto de ótimo global. Por fim, utiliza-se o algoritmo determinístico Hooke-Jeeves para a obtenção dos pontos de ótimo global a partir de cada uma das estimativas. Para verificar as metodologias propostas foram utilizadas funções teste, inicialmente definidas em um espaço bidimensional, para que fosse observado todo o processo. Posteriormente, utilizou-se funções teste definidas em espaço de dimensão maior. As metodologias foram ainda aplicadas a um problema real de engenharia que corresponde ao sistema refrigerante amônia + R-125. Os resultados indicam que as metodologias são capazes de formar boas aproximações dos pontos de ótimo global.Submitted by Boris Flegr (boris@uerj.br) on 2021-01-07T14:38:13Z No. of bitstreams: 3 Tese_DeiseMaraBarbosaDeAlmeida_(p 1-71).pdf: 3190415 bytes, checksum: d9cc534cccb87b66bf0bd725ada11684 (MD5) Tese_DeiseMaraBarbosaDeAlmeida_ (p72-75).pdf: 14810251 bytes, checksum: 77d14e35a9616684a033f920adeada5d (MD5) Tese_DeiseMaraBarbosaDeAlmeida_ (p 76-115).pdf: 11091192 bytes, checksum: 91a433f68411c9e74cba2134cc126d15 (MD5)Made available in DSpace on 2021-01-07T14:38:13Z (GMT). No. of bitstreams: 3 Tese_DeiseMaraBarbosaDeAlmeida_(p 1-71).pdf: 3190415 bytes, checksum: d9cc534cccb87b66bf0bd725ada11684 (MD5) Tese_DeiseMaraBarbosaDeAlmeida_ (p72-75).pdf: 14810251 bytes, checksum: 77d14e35a9616684a033f920adeada5d (MD5) Tese_DeiseMaraBarbosaDeAlmeida_ (p 76-115).pdf: 11091192 bytes, checksum: 91a433f68411c9e74cba2134cc126d15 (MD5) Previous issue date: 2016-02-25Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade do Estado do Rio de JaneiroPrograma de Pós-Graduação em Modelagem ComputacionalUERJBRCentro de Tecnologia e Ciências::Instituto PolitécnicoGlobal optimizationMultimodal problemsClusteringOtimização matemáticaAnalise global (Matematica) Métodos de simulaçãoSolução de problemas Métodos de simulaçãoOtimização globalProblema multimodalAgrupamentoCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOOtimização multimodal baseada em métodos unimodais e de clusterizaçãoMultimodal optimization based on unimodal and clustering methodsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJORIGINALTese_DeiseMaraBarbosaDeAlmeida_(p 1-71).pdfapplication/pdf3190415http://www.bdtd.uerj.br/bitstream/1/13691/1/Tese_DeiseMaraBarbosaDeAlmeida_%28p+1-71%29.pdfd9cc534cccb87b66bf0bd725ada11684MD51Tese_DeiseMaraBarbosaDeAlmeida_ (p72-75).pdfapplication/pdf14810251http://www.bdtd.uerj.br/bitstream/1/13691/2/Tese_DeiseMaraBarbosaDeAlmeida_+%28p72-75%29.pdf77d14e35a9616684a033f920adeada5dMD52Tese_DeiseMaraBarbosaDeAlmeida_ (p 76-115).pdfapplication/pdf11091192http://www.bdtd.uerj.br/bitstream/1/13691/3/Tese_DeiseMaraBarbosaDeAlmeida_+%28p+76-115%29.pdf91a433f68411c9e74cba2134cc126d15MD531/136912024-02-27 15:26:47.645oai:www.bdtd.uerj.br:1/13691Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-27T18:26:47Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false |
dc.title.por.fl_str_mv |
Otimização multimodal baseada em métodos unimodais e de clusterização |
dc.title.alternative.eng.fl_str_mv |
Multimodal optimization based on unimodal and clustering methods |
title |
Otimização multimodal baseada em métodos unimodais e de clusterização |
spellingShingle |
Otimização multimodal baseada em métodos unimodais e de clusterização Almeida, Deise Mara Barbosa de Global optimization Multimodal problems Clustering Otimização matemática Analise global (Matematica) Métodos de simulação Solução de problemas Métodos de simulação Otimização global Problema multimodal Agrupamento CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Otimização multimodal baseada em métodos unimodais e de clusterização |
title_full |
Otimização multimodal baseada em métodos unimodais e de clusterização |
title_fullStr |
Otimização multimodal baseada em métodos unimodais e de clusterização |
title_full_unstemmed |
Otimização multimodal baseada em métodos unimodais e de clusterização |
title_sort |
Otimização multimodal baseada em métodos unimodais e de clusterização |
author |
Almeida, Deise Mara Barbosa de |
author_facet |
Almeida, Deise Mara Barbosa de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Moura Neto, Francisco Duarte |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/6680742566331144 |
dc.contributor.advisor-co1.fl_str_mv |
Platt, Gustavo Mendes |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/4140908385855725 |
dc.contributor.referee1.fl_str_mv |
Fabbri, Ricardo |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/5759364958802333 |
dc.contributor.referee2.fl_str_mv |
Domingos, Roberto Pinheiro |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/0109837868064895 |
dc.contributor.referee3.fl_str_mv |
Brito, Jose Andre de Moura |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/9036541085964477 |
dc.contributor.referee4.fl_str_mv |
Peixoto, Fernando Cunha |
dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/7801741654726440 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/3329203465610170 |
dc.contributor.author.fl_str_mv |
Almeida, Deise Mara Barbosa de |
contributor_str_mv |
Moura Neto, Francisco Duarte Platt, Gustavo Mendes Fabbri, Ricardo Domingos, Roberto Pinheiro Brito, Jose Andre de Moura Peixoto, Fernando Cunha |
dc.subject.eng.fl_str_mv |
Global optimization Multimodal problems Clustering |
topic |
Global optimization Multimodal problems Clustering Otimização matemática Analise global (Matematica) Métodos de simulação Solução de problemas Métodos de simulação Otimização global Problema multimodal Agrupamento CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.por.fl_str_mv |
Otimização matemática Analise global (Matematica) Métodos de simulação Solução de problemas Métodos de simulação Otimização global Problema multimodal Agrupamento |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
Optimization problems which have two or more global optimal solutions are known as global multimodal problems. Obtaining all global solutions for this kind of problems can be important and lead to a hard task. This work proposes two methodologies that links optimization methods and clustering to find all optimal solutions of a global multimodal problem. We run a given number of iterations of the evolutionary algorithm Harmony Search to create small groups around each point of global optimum to a n-dimensional function. Then, we use Laplacian Eigenmap to identify these clusters and represent them in a space of smaller dimension, possibly. Subsequently, we classify each cluster using k-means in reduced dimension or by smoothing the distance matrix and we obtain an estimate to each global optimum point. After that, we use the Hooke-Jeeves deterministic algorithm to obtain a global optimum point from each of the estimates. To verify the proposed methodology we use test functions, initially defined in a two-dimensional space. Thereafter, we use functions defined on spaces of higher dimension. The methodologies were also applied to a real engineering problem which corresponds to the refrigerant system ammonia + R-125. The results indicate that the methodologies are able to construct good approximations of the optimum points. |
publishDate |
2016 |
dc.date.available.fl_str_mv |
2016-06-23 |
dc.date.issued.fl_str_mv |
2016-02-25 |
dc.date.accessioned.fl_str_mv |
2021-01-07T14:38:13Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ALMEIDA, Deise Mara Barbosa de. Otimização multimodal baseada em métodos unimodais e de clusterização. 2016. 117 f. Tese (Doutorado em Modelagem Computacional) - Universidade do Estado do Rio de Janeiro, Nova Friburgo, 2016. |
dc.identifier.uri.fl_str_mv |
http://www.bdtd.uerj.br/handle/1/13691 |
identifier_str_mv |
ALMEIDA, Deise Mara Barbosa de. Otimização multimodal baseada em métodos unimodais e de clusterização. 2016. 117 f. Tese (Doutorado em Modelagem Computacional) - Universidade do Estado do Rio de Janeiro, Nova Friburgo, 2016. |
url |
http://www.bdtd.uerj.br/handle/1/13691 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Modelagem Computacional |
dc.publisher.initials.fl_str_mv |
UERJ |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Centro de Tecnologia e Ciências::Instituto Politécnico |
publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UERJ instname:Universidade do Estado do Rio de Janeiro (UERJ) instacron:UERJ |
instname_str |
Universidade do Estado do Rio de Janeiro (UERJ) |
instacron_str |
UERJ |
institution |
UERJ |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
collection |
Biblioteca Digital de Teses e Dissertações da UERJ |
bitstream.url.fl_str_mv |
http://www.bdtd.uerj.br/bitstream/1/13691/1/Tese_DeiseMaraBarbosaDeAlmeida_%28p+1-71%29.pdf http://www.bdtd.uerj.br/bitstream/1/13691/2/Tese_DeiseMaraBarbosaDeAlmeida_+%28p72-75%29.pdf http://www.bdtd.uerj.br/bitstream/1/13691/3/Tese_DeiseMaraBarbosaDeAlmeida_+%28p+76-115%29.pdf |
bitstream.checksum.fl_str_mv |
d9cc534cccb87b66bf0bd725ada11684 77d14e35a9616684a033f920adeada5d 91a433f68411c9e74cba2134cc126d15 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ) |
repository.mail.fl_str_mv |
bdtd.suporte@uerj.br |
_version_ |
1792352323383590912 |