Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/31278 |
Resumo: | A solução de um problema de otimização multiobjetivo é um conjunto caracterizado pelo trade off ente M objetivos. No caso do problema de minimização F : RN ! RM, estas soluções de compromisso correspondem a um conjunto minimal segundo uma relação de ordem parcial no espaço RM. A busca por soluções de menor variação na presença de ruído nas variáveis x 2 RN caracteriza a Otimização Multiobjetivo Robusta. Este trabalho apresenta um algoritmo coevolutivo para Otimização Robusta. A proposta utiliza a estratégia de decomposição/agregação do espaço dos objetivos em um algoritmo coevolutivo competitivo. Em conjunto com esta nova técnica foi desenvolvido um novo método de geração de vetores de peso quase igualmente espaçados no espaço dos objetivos. Este novo método de geração de vetores de peso não apresenta limitação quanto ao número de vetores de peso criados nem quanto à norma de cada vetor, que podem estar localizados no primeiro ortante do espaço dos objetivos ou formar um cone de vetores com vértice na origem. O eixo deste cone corresponde a um vetor de preferências do tomador de decisão e sua abertura define a extensão da região de interesse escolhida. A qualidade dos vetores de peso produzidos por esta nova metodologia foi comparada com o método usual de geração de vetores de peso e os resultados se mostraram satisfatórios. Adicionalmente uma nova classe de problemas de otimização multiobjetivo foi desenvolvida, abrangendo otimização contínua e robusta, com e sem a presença de restrições de igualdade e desigualdade. Seguindo a estrutura utilizada na construção das funções de teste, uma nova métrica de avaliação de desempenho também é apresentada. A comparação dos resultados obtidos entre o método proposto e outras técnicas mostrou a superioridade dos métodos apresentados. Uma amostra dos resultados obtidos foi utilizada na ferramenta de visualização de dados desenvolvida, ilustrando as conclusões obtidas |
id |
UFMG_c2f14e12b9292eec4881d92bace4f729 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/31278 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Frederico Gadelha Guimarãeshttp://lattes.cnpq.br/2472681535872194Antonio Gaspar-CunhaMyriam Regattieri De Biase da Silva DelgadoRodrigo Tomás Nogueira CardosoJoão Antônio de VasconcelosRodrigo César Pedrosa Silvahttp://lattes.cnpq.br/1255184237843830Ivan Reinaldo Meneghini2019-11-26T17:17:17Z2019-11-26T17:17:17Z2018-12-07http://hdl.handle.net/1843/31278A solução de um problema de otimização multiobjetivo é um conjunto caracterizado pelo trade off ente M objetivos. No caso do problema de minimização F : RN ! RM, estas soluções de compromisso correspondem a um conjunto minimal segundo uma relação de ordem parcial no espaço RM. A busca por soluções de menor variação na presença de ruído nas variáveis x 2 RN caracteriza a Otimização Multiobjetivo Robusta. Este trabalho apresenta um algoritmo coevolutivo para Otimização Robusta. A proposta utiliza a estratégia de decomposição/agregação do espaço dos objetivos em um algoritmo coevolutivo competitivo. Em conjunto com esta nova técnica foi desenvolvido um novo método de geração de vetores de peso quase igualmente espaçados no espaço dos objetivos. Este novo método de geração de vetores de peso não apresenta limitação quanto ao número de vetores de peso criados nem quanto à norma de cada vetor, que podem estar localizados no primeiro ortante do espaço dos objetivos ou formar um cone de vetores com vértice na origem. O eixo deste cone corresponde a um vetor de preferências do tomador de decisão e sua abertura define a extensão da região de interesse escolhida. A qualidade dos vetores de peso produzidos por esta nova metodologia foi comparada com o método usual de geração de vetores de peso e os resultados se mostraram satisfatórios. Adicionalmente uma nova classe de problemas de otimização multiobjetivo foi desenvolvida, abrangendo otimização contínua e robusta, com e sem a presença de restrições de igualdade e desigualdade. Seguindo a estrutura utilizada na construção das funções de teste, uma nova métrica de avaliação de desempenho também é apresentada. A comparação dos resultados obtidos entre o método proposto e outras técnicas mostrou a superioridade dos métodos apresentados. Uma amostra dos resultados obtidos foi utilizada na ferramenta de visualização de dados desenvolvida, ilustrando as conclusões obtidasThe solution of a multi-objective optimization problem is a set characterized by the trade off of M objectives. In the case of the minimization problem F : R N → R M, these trade off solutions correspond to a minimal set according to a partial order relation in space R M. The search for solutions of smaller variation in the presence of noise in the variables x ∈ R N characterizes Robust Multiobjective Optimization. This work presents a co-evolutionary algorithm for Robust Optimization. The presented proposal uses the objective space decomposition/aggregation strategy in a competitive co-evolution algorithm. Along with this new technique, a new method of generating vectors of weight almost equally spaced in the objective space was developed. This new method of generating weight vectors is not limited in the number of weight vectors created neither to the norm of each vector, that can be located in the first orthant of the objective space to form a cone of vectors with vertex in the origin. The axis of this cone corresponds to a preference vector of the decision maker and its aperture defines the extension of the chosen region of interest. The quality of the weight vectors of weight produced by this new methodology was compared with the usual method of generation of weight vectors and the results were satisfactory. In addition, a new class of multi-objective optimization problems was developed, encompassing usual and robust optimization, with and without the presence of equality and inequality constraints. Following the structure used in the construction of the test functions, a new performance evaluation metric is also presented. The comparison of the results obtained between the proposed method and other techniques showed the superiority of the presented methods. A sample of the results obtained was used in the data visualization tool developed, showing the conclusions obtained.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em Engenharia ElétricaUFMGBrasilENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICAhttp://creativecommons.org/licenses/by-nc-nd/3.0/pt/info:eu-repo/semantics/openAccessEngenharia elétricaOtimização multiobjetivoOtimização robustaOtimização multiobjetivo robustaRegião de interesseProblemas de otimização multiobjetivo robustaVisualização de dadosUma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robustainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufmg.br/bitstream/1843/31278/2/license_rdfcfd6801dba008cb6adbd9838b81582abMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82119https://repositorio.ufmg.br/bitstream/1843/31278/3/license.txt34badce4be7e31e3adb4575ae96af679MD53ORIGINALPPGEngEletrica_IvanReinaldoMeneghini_TeseDOUTORADO.PDFPPGEngEletrica_IvanReinaldoMeneghini_TeseDOUTORADO.PDFapplication/pdf17392954https://repositorio.ufmg.br/bitstream/1843/31278/1/PPGEngEletrica_IvanReinaldoMeneghini_TeseDOUTORADO.PDF7341c60fe285f862be2eff1f3bf182dfMD51TEXTPPGEngEletrica_IvanReinaldoMeneghini_TeseDOUTORADO.PDF.txtPPGEngEletrica_IvanReinaldoMeneghini_TeseDOUTORADO.PDF.txtExtracted texttext/plain345812https://repositorio.ufmg.br/bitstream/1843/31278/4/PPGEngEletrica_IvanReinaldoMeneghini_TeseDOUTORADO.PDF.txtdaa10c96d891f3fa5eb95d4e73443628MD541843/312782019-11-27 03:25:57.197oai:repositorio.ufmg.br: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Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-27T06:25:57Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta |
title |
Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta |
spellingShingle |
Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta Ivan Reinaldo Meneghini Otimização multiobjetivo robusta Região de interesse Problemas de otimização multiobjetivo robusta Visualização de dados Engenharia elétrica Otimização multiobjetivo Otimização robusta |
title_short |
Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta |
title_full |
Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta |
title_fullStr |
Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta |
title_full_unstemmed |
Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta |
title_sort |
Uma proposta de algoritmo baseado em cone de preferência para otimização com muitos objetivos e robusta |
author |
Ivan Reinaldo Meneghini |
author_facet |
Ivan Reinaldo Meneghini |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Frederico Gadelha Guimarães |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2472681535872194 |
dc.contributor.advisor-co1.fl_str_mv |
Antonio Gaspar-Cunha |
dc.contributor.referee1.fl_str_mv |
Myriam Regattieri De Biase da Silva Delgado |
dc.contributor.referee2.fl_str_mv |
Rodrigo Tomás Nogueira Cardoso |
dc.contributor.referee3.fl_str_mv |
João Antônio de Vasconcelos |
dc.contributor.referee4.fl_str_mv |
Rodrigo César Pedrosa Silva |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/1255184237843830 |
dc.contributor.author.fl_str_mv |
Ivan Reinaldo Meneghini |
contributor_str_mv |
Frederico Gadelha Guimarães Antonio Gaspar-Cunha Myriam Regattieri De Biase da Silva Delgado Rodrigo Tomás Nogueira Cardoso João Antônio de Vasconcelos Rodrigo César Pedrosa Silva |
dc.subject.por.fl_str_mv |
Otimização multiobjetivo robusta Região de interesse Problemas de otimização multiobjetivo robusta Visualização de dados |
topic |
Otimização multiobjetivo robusta Região de interesse Problemas de otimização multiobjetivo robusta Visualização de dados Engenharia elétrica Otimização multiobjetivo Otimização robusta |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia elétrica Otimização multiobjetivo Otimização robusta |
description |
A solução de um problema de otimização multiobjetivo é um conjunto caracterizado pelo trade off ente M objetivos. No caso do problema de minimização F : RN ! RM, estas soluções de compromisso correspondem a um conjunto minimal segundo uma relação de ordem parcial no espaço RM. A busca por soluções de menor variação na presença de ruído nas variáveis x 2 RN caracteriza a Otimização Multiobjetivo Robusta. Este trabalho apresenta um algoritmo coevolutivo para Otimização Robusta. A proposta utiliza a estratégia de decomposição/agregação do espaço dos objetivos em um algoritmo coevolutivo competitivo. Em conjunto com esta nova técnica foi desenvolvido um novo método de geração de vetores de peso quase igualmente espaçados no espaço dos objetivos. Este novo método de geração de vetores de peso não apresenta limitação quanto ao número de vetores de peso criados nem quanto à norma de cada vetor, que podem estar localizados no primeiro ortante do espaço dos objetivos ou formar um cone de vetores com vértice na origem. O eixo deste cone corresponde a um vetor de preferências do tomador de decisão e sua abertura define a extensão da região de interesse escolhida. A qualidade dos vetores de peso produzidos por esta nova metodologia foi comparada com o método usual de geração de vetores de peso e os resultados se mostraram satisfatórios. Adicionalmente uma nova classe de problemas de otimização multiobjetivo foi desenvolvida, abrangendo otimização contínua e robusta, com e sem a presença de restrições de igualdade e desigualdade. Seguindo a estrutura utilizada na construção das funções de teste, uma nova métrica de avaliação de desempenho também é apresentada. A comparação dos resultados obtidos entre o método proposto e outras técnicas mostrou a superioridade dos métodos apresentados. Uma amostra dos resultados obtidos foi utilizada na ferramenta de visualização de dados desenvolvida, ilustrando as conclusões obtidas |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-12-07 |
dc.date.accessioned.fl_str_mv |
2019-11-26T17:17:17Z |
dc.date.available.fl_str_mv |
2019-11-26T17:17:17Z |
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.uri.fl_str_mv |
http://hdl.handle.net/1843/31278 |
url |
http://hdl.handle.net/1843/31278 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/pt/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/pt/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/31278/2/license_rdf https://repositorio.ufmg.br/bitstream/1843/31278/3/license.txt https://repositorio.ufmg.br/bitstream/1843/31278/1/PPGEngEletrica_IvanReinaldoMeneghini_TeseDOUTORADO.PDF https://repositorio.ufmg.br/bitstream/1843/31278/4/PPGEngEletrica_IvanReinaldoMeneghini_TeseDOUTORADO.PDF.txt |
bitstream.checksum.fl_str_mv |
cfd6801dba008cb6adbd9838b81582ab 34badce4be7e31e3adb4575ae96af679 7341c60fe285f862be2eff1f3bf182df daa10c96d891f3fa5eb95d4e73443628 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589565727899648 |