Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/34187 |
Resumo: | O presente trabalho apresenta o estudo do método de otimização heurístico Evolução Diferencial (do inglês Differential Evolution - DE) aplicado na minimização de funções não lineares. São propostas duas hibridizações entre o método heurístico DE e o método de busca direta Hooke-Jeeves (HJ), com o objetivo de inserir o método de busca padrão ao longo do método DE no intuito de combinar as técnicas para se obter melhores resultados. Os métodos híbridos propostos são Evolução Diferencial/Hooke-Jeeves1 (DE/HJ1), onde o método HJ é inserido para refinar o melhor indivíduo de cada iteração, e o método híbrido Evolução Diferencial/Hooke-Jeeves2 (DE/HJ2), no qual o método HJ é utilizado para melhorar a população inicial. Os métodos em análise são testados na minimização de funções não lineares já presentes na literatura com o intuito de verificar o desempenho dos métodos em análise na convergência das funções, na eficácia temporal e no número de iterações necessárias para a obtenção do mínimo global da função. Por fim, apresenta-se a análise dos resultados obtidos e compara-se o desempenho do DE em relação aos seus métodos híbridos DE/HJ1 e DE/HJ2, identificando o mais eficiente. |
id |
UFF-2_e1c7d4b75ff10fd7a7c08504ad7737a6 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/34187 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não linearesOtimizaçãoEvolução DiferencialHooke-JeevesFunções Não-linearesMinimizador GlobalOptimizationDifferential EvolutionHooke-JeevesNonlinear FunctionsGlobal MinimizerO presente trabalho apresenta o estudo do método de otimização heurístico Evolução Diferencial (do inglês Differential Evolution - DE) aplicado na minimização de funções não lineares. São propostas duas hibridizações entre o método heurístico DE e o método de busca direta Hooke-Jeeves (HJ), com o objetivo de inserir o método de busca padrão ao longo do método DE no intuito de combinar as técnicas para se obter melhores resultados. Os métodos híbridos propostos são Evolução Diferencial/Hooke-Jeeves1 (DE/HJ1), onde o método HJ é inserido para refinar o melhor indivíduo de cada iteração, e o método híbrido Evolução Diferencial/Hooke-Jeeves2 (DE/HJ2), no qual o método HJ é utilizado para melhorar a população inicial. Os métodos em análise são testados na minimização de funções não lineares já presentes na literatura com o intuito de verificar o desempenho dos métodos em análise na convergência das funções, na eficácia temporal e no número de iterações necessárias para a obtenção do mínimo global da função. Por fim, apresenta-se a análise dos resultados obtidos e compara-se o desempenho do DE em relação aos seus métodos híbridos DE/HJ1 e DE/HJ2, identificando o mais eficiente.This work presents the study of the heuristic optimization method Evolution Differential (from the English Differential Evolution - DE) applied to the minimization of functions non-linear. Two hybridizations are proposed between the DE heuristic method and the Hooke-Jeeves (HJ) direct search method, with the aim of inserting the standard search method into the throughout the DE method in order to combine the techniques to obtain better results. The proposed hybrid methods are Differential Evolution/Hooke-Jeeves1 (DE/HJ1), where the HJ method is inserted to refine the best individual of each iteration, and the method hybrid Differential Evolution/Hooke-Jeeves2 (DE/HJ2), in which the HJ method is used to improve the initial population. The methods under analysis are tested on minimization of non-linear functions already present in the literature in order to verify the performance of the methods under analysis in the convergence of functions, temporal efficiency and number of iterations necessary to obtain the global minimum of the function. Finally, it presents the analysis of the results obtained and the performance of the DE in relation to its hybrid methods DE/HJ1 and DE/HJ2, identifying the most efficient.34 f.Souza, Joviana Sartori dehttp://lattes.cnpq.br/9531837914512323Telles, Wagner RambaldiOliveira, Fabrízzio Condé deGomes, Gabriela dos Santos2024-08-15T15:30:05Z2024-08-15T15:30:05Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/34187CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-08-15T15:30:10Zoai:app.uff.br:1/34187Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-15T15:30:10Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares |
title |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares |
spellingShingle |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares Gomes, Gabriela dos Santos Otimização Evolução Diferencial Hooke-Jeeves Funções Não-lineares Minimizador Global Optimization Differential Evolution Hooke-Jeeves Nonlinear Functions Global Minimizer |
title_short |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares |
title_full |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares |
title_fullStr |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares |
title_full_unstemmed |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares |
title_sort |
Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares |
author |
Gomes, Gabriela dos Santos |
author_facet |
Gomes, Gabriela dos Santos |
author_role |
author |
dc.contributor.none.fl_str_mv |
Souza, Joviana Sartori de http://lattes.cnpq.br/9531837914512323 Telles, Wagner Rambaldi Oliveira, Fabrízzio Condé de |
dc.contributor.author.fl_str_mv |
Gomes, Gabriela dos Santos |
dc.subject.por.fl_str_mv |
Otimização Evolução Diferencial Hooke-Jeeves Funções Não-lineares Minimizador Global Optimization Differential Evolution Hooke-Jeeves Nonlinear Functions Global Minimizer |
topic |
Otimização Evolução Diferencial Hooke-Jeeves Funções Não-lineares Minimizador Global Optimization Differential Evolution Hooke-Jeeves Nonlinear Functions Global Minimizer |
description |
O presente trabalho apresenta o estudo do método de otimização heurístico Evolução Diferencial (do inglês Differential Evolution - DE) aplicado na minimização de funções não lineares. São propostas duas hibridizações entre o método heurístico DE e o método de busca direta Hooke-Jeeves (HJ), com o objetivo de inserir o método de busca padrão ao longo do método DE no intuito de combinar as técnicas para se obter melhores resultados. Os métodos híbridos propostos são Evolução Diferencial/Hooke-Jeeves1 (DE/HJ1), onde o método HJ é inserido para refinar o melhor indivíduo de cada iteração, e o método híbrido Evolução Diferencial/Hooke-Jeeves2 (DE/HJ2), no qual o método HJ é utilizado para melhorar a população inicial. Os métodos em análise são testados na minimização de funções não lineares já presentes na literatura com o intuito de verificar o desempenho dos métodos em análise na convergência das funções, na eficácia temporal e no número de iterações necessárias para a obtenção do mínimo global da função. Por fim, apresenta-se a análise dos resultados obtidos e compara-se o desempenho do DE em relação aos seus métodos híbridos DE/HJ1 e DE/HJ2, identificando o mais eficiente. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-08-15T15:30:05Z 2024-08-15T15:30:05Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://app.uff.br/riuff/handle/1/34187 |
url |
https://app.uff.br/riuff/handle/1/34187 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1807838774440230912 |