Estudo comparativo entre metaheutísticas populacionais com tamanho da população variável

• Autor(a) principal: Oliveira, Daniel Gonçalves de
• Data de Publicação: 2008
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UNIFOR
• Texto Completo: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/82384
• topic: Heurística (Informática); Redes neurais; Otimização matemática

Este trabalho apresenta quatro novos algoritmos heurísticos de cunho populacional, cujo tamanho da população varia ao longo de sua execução, sendo estes destinados à resolução de problemas de busca e otimização numérica. Estes algoritmos são extensões dos modelos padrão de duas metaheurísticas propostas recentemente na literatura e que vêm sendo aplicadas com sucesso em diferentes domínios; são elas a Otimização por Enxame de Partículas (PSO) e a otimização por Evolução Diferencial (DE). Ademais, os novos algoritmos são adaptações de dois outros modelos propostos no contexto de algoritmos Genéticos (AGs): o Algoritmo Genético com Tamanho Adaptativo da População (APGA) e o Algoritmo Genético com Tamanho da População Variável Baseado na Melhoria do Fitness (PRoFIGA). Com o intuito de validar empiricamente os algoritmos propostos, estes são avaliados, em termos de critérios de eficiência e eficácia, em três estudos de caso: otimização de funções numéricas de benchmark; descoberta de protótipos em agrupamentos de dados; e treinamento de redes neurais feedfoward. Os resultados obtidos na otimização de funções numéricas de benchmark indicam a possibilidade de ganhos substanciais, em termos da localização de soluções (quase-)ótimas, em relação aos modelos com tamanho fixo da população. Já na tarefa de descoberta de protótipos em agrupamentos de dados, os resultados obtidos não evidenciaram ganhos significativos em termos de eficácia. Finalmente, os resultados obtidos na tarefa de treinamento de redes neurais artificiais indicam também ganhos de eficácia, embora menos expressivos, por parte dos algoritmos com população variável em relação aos algoritmos com tamanho fixo da população. Palavras-Chave: Otimização, Metaheurísticas Populacionais, Controle de Parâmetros, Computação Evolutiva, Inteligência Coletiva, Otimização por Enxame de Partículas, Otimização por Evolução Diferencial, Agrupamento de dados, Redes Neurais Artificiais.