Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFEI (RIUNIFEI) |
Texto Completo: | https://repositorio.unifei.edu.br/jspui/handle/123456789/1430 |
Resumo: | A dificuldade de encontrar soluções eficientes para problemas complexos de otimização tem levado diversos pesquisadores a desenvolverem e utilizarem ferramentas computacionais como algoritmos, a fim de auxiliar na resolução de problemas de otimização. Uma das dificuldades encontradas para se utilizar um algoritmo de otimização é a maneira como se deve configurá-lo, uma vez que, configurado de modo incorreto pode influenciar no desempenho do algoritmo, levando-o a soluções inviáveis. Desta forma, o presente trabalho tem por objetivo melhorar a performance de um algoritmo de otimização conhecido como enxame de partículas (PSO), visando calibrar os parâmetros de configuração do algoritmo, com intuito de encontrar um ajuste próximo do ideal melhorando a eficiência e eficácia deste otimizador. Para tal, foi aplicado um método denominado planejamento de experimentos (DoE), que possibilita encontrar parâmetros significativos que influenciam na performance do ambiente modelado, além de proporcionar soluções viáveis para resolução final de determinados sistemas. O procedimento proposto foi aplicado na otimização das funções esférica, rosenbrock e rastrigin, respectivamente, por se tratarem de funções contínuas, de sentido de minimização para otimização e duas dimensões. A utilização deste procedimento proporcionou uma nova configuração aos parâmetros do algoritmo enxame de partícula (PSO), ou seja, cada função de teste utilizada recebeu parâmetros únicos após a otimização do algoritmo. Dessa forma, as respostas tempo e número de iteração coletadas de cada função apresentou resultados significativos quanto aos parâmetros encontrados por essa otimização do PSO em relação aos parâmetros sugeridos pela literatura. |
id |
UFEI_f1b12a49778f647f283a5fea2c16aed5 |
---|---|
oai_identifier_str |
oai:repositorio.unifei.edu.br:123456789/1430 |
network_acronym_str |
UFEI |
network_name_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
repository_id_str |
7044 |
spelling |
2018-04-272018-06-29T18:22:01Z2018-06-29T18:22:01ZPINTO, Wesley Gabriel de Mendonça. Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. 2018. 114 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2018.https://repositorio.unifei.edu.br/jspui/handle/123456789/1430A dificuldade de encontrar soluções eficientes para problemas complexos de otimização tem levado diversos pesquisadores a desenvolverem e utilizarem ferramentas computacionais como algoritmos, a fim de auxiliar na resolução de problemas de otimização. Uma das dificuldades encontradas para se utilizar um algoritmo de otimização é a maneira como se deve configurá-lo, uma vez que, configurado de modo incorreto pode influenciar no desempenho do algoritmo, levando-o a soluções inviáveis. Desta forma, o presente trabalho tem por objetivo melhorar a performance de um algoritmo de otimização conhecido como enxame de partículas (PSO), visando calibrar os parâmetros de configuração do algoritmo, com intuito de encontrar um ajuste próximo do ideal melhorando a eficiência e eficácia deste otimizador. Para tal, foi aplicado um método denominado planejamento de experimentos (DoE), que possibilita encontrar parâmetros significativos que influenciam na performance do ambiente modelado, além de proporcionar soluções viáveis para resolução final de determinados sistemas. O procedimento proposto foi aplicado na otimização das funções esférica, rosenbrock e rastrigin, respectivamente, por se tratarem de funções contínuas, de sentido de minimização para otimização e duas dimensões. A utilização deste procedimento proporcionou uma nova configuração aos parâmetros do algoritmo enxame de partícula (PSO), ou seja, cada função de teste utilizada recebeu parâmetros únicos após a otimização do algoritmo. Dessa forma, as respostas tempo e número de iteração coletadas de cada função apresentou resultados significativos quanto aos parâmetros encontrados por essa otimização do PSO em relação aos parâmetros sugeridos pela literatura.Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisItajubáUniversidade Federal de Itajubá114 p.OtimizaçãoPlanejamento de experimentosComputação evolucionáriaEnxame de partículasEvolutionary computationParticle swarmDesign of experimentsOptimizationPAIVA, Anderson Paulo deEngenharia de ProduçãoEngenharia de ProduçãoPINTO, Wesley Gabriel de MendonçaPrograma de Pós-Graduação: Mestrado - Engenharia de ProduçãoIEPG - Instituto de Engenharia de Produção e Gestãoporreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEIinfo:eu-repo/semantics/openAccessORIGINALdissertacao_2018077.pdfdissertacao_2018077.pdfapplication/pdf3795334https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1430/1/dissertacao_2018077.pdf16a31c4b3f6ecb32aabdf44d4aba9c19MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1430/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/14302024-02-16 12:54:08.909oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442024-02-16T15:54:08Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false |
dc.title.pt_BR.fl_str_mv |
Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. |
title |
Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. |
spellingShingle |
Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. PINTO, Wesley Gabriel de Mendonça |
title_short |
Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. |
title_full |
Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. |
title_fullStr |
Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. |
title_full_unstemmed |
Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. |
title_sort |
Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. |
author |
PINTO, Wesley Gabriel de Mendonça |
author_facet |
PINTO, Wesley Gabriel de Mendonça |
author_role |
author |
dc.contributor.author.fl_str_mv |
PINTO, Wesley Gabriel de Mendonça |
description |
A dificuldade de encontrar soluções eficientes para problemas complexos de otimização tem levado diversos pesquisadores a desenvolverem e utilizarem ferramentas computacionais como algoritmos, a fim de auxiliar na resolução de problemas de otimização. Uma das dificuldades encontradas para se utilizar um algoritmo de otimização é a maneira como se deve configurá-lo, uma vez que, configurado de modo incorreto pode influenciar no desempenho do algoritmo, levando-o a soluções inviáveis. Desta forma, o presente trabalho tem por objetivo melhorar a performance de um algoritmo de otimização conhecido como enxame de partículas (PSO), visando calibrar os parâmetros de configuração do algoritmo, com intuito de encontrar um ajuste próximo do ideal melhorando a eficiência e eficácia deste otimizador. Para tal, foi aplicado um método denominado planejamento de experimentos (DoE), que possibilita encontrar parâmetros significativos que influenciam na performance do ambiente modelado, além de proporcionar soluções viáveis para resolução final de determinados sistemas. O procedimento proposto foi aplicado na otimização das funções esférica, rosenbrock e rastrigin, respectivamente, por se tratarem de funções contínuas, de sentido de minimização para otimização e duas dimensões. A utilização deste procedimento proporcionou uma nova configuração aos parâmetros do algoritmo enxame de partícula (PSO), ou seja, cada função de teste utilizada recebeu parâmetros únicos após a otimização do algoritmo. Dessa forma, as respostas tempo e número de iteração coletadas de cada função apresentou resultados significativos quanto aos parâmetros encontrados por essa otimização do PSO em relação aos parâmetros sugeridos pela literatura. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-04-27 |
dc.date.available.fl_str_mv |
2018-06-29T18:22:01Z |
dc.date.accessioned.fl_str_mv |
2018-06-29T18:22:01Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
PINTO, Wesley Gabriel de Mendonça. Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. 2018. 114 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2018. |
dc.identifier.uri.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1430 |
identifier_str_mv |
PINTO, Wesley Gabriel de Mendonça. Otimização irrestrita mono-objetivo por enxame de partículas assistida por polinômios canônicos de misturas. 2018. 114 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2018. |
url |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1430 |
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.publisher.program.fl_str_mv |
Programa de Pós-Graduação: Mestrado - Engenharia de Produção |
dc.publisher.department.fl_str_mv |
IEPG - Instituto de Engenharia de Produção e Gestão |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFEI (RIUNIFEI) instname:Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
instname_str |
Universidade Federal de Itajubá (UNIFEI) |
instacron_str |
UNIFEI |
institution |
UNIFEI |
reponame_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
collection |
Repositório Institucional da UNIFEI (RIUNIFEI) |
bitstream.url.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1430/1/dissertacao_2018077.pdf https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1430/2/license.txt |
bitstream.checksum.fl_str_mv |
16a31c4b3f6ecb32aabdf44d4aba9c19 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI) |
repository.mail.fl_str_mv |
repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br |
_version_ |
1801863227013857280 |