Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos

Detalhes bibliográficos
Autor(a) principal: Carvalho, André Britto de
Data de Publicação: 2013
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/30068
Resumo: Orientadora: Profa. Dra. Aurora Trinidad Ramirez Pozo
id UFPR_dbf353228714f53da0564c03561e2d03
oai_identifier_str oai:acervodigital.ufpr.br:1884/30068
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Carvalho, André Britto deRamirez Pozo, Aurora Trinidad, 1959-Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática2021-06-07T17:01:29Z2021-06-07T17:01:29Z2013https://hdl.handle.net/1884/30068Orientadora: Profa. Dra. Aurora Trinidad Ramirez PozoTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Pós-Graduação em Informática. Defesa: Curitiba, 14/03/2013Bibliografia: fls.206-218Resumo: Problemas de otimização multiobjetivo possuem mais de uma função objetivo que estão em conflito. Devido a essa característica, nao existe somente uma melhor soluçao, mas sim um conjunto com as melhores soluções do problema, definidas pelos conceitos da teoria da Otimalidade de Pareto. Algoritmos Evolucionarios Multiobjetivo sao aplicados com sucesso em diversos Problemas de Otimizacão Multiobjetivo. Dentre esses algoritmos, os baseados na Otimizaçao por Nuvem de Partículas Multiobjetivo (MOPSO) apresentam bons resultados para problemas multiobjetivo e se destacam por possuirem características específicas, como a cooperaçao entre as partículas da populacao. Porem, quando o numero de funcoes objetivo cresce, os algoritmos evolucionários multiobjetivo baseados em dominancia de Pareto encontram algumas dificuldades em definir quais sao as melhores solucoes e nao efetuam uma busca que converge para as soluçães ótimas do problema. A Otimizaçao com muitos objetivos e uma area nova que visa propor novos metodos para reduzir a deterioracao da busca desses algoritmos em problemas de otimizacão com muitos objetivos (problemas com mais de três funcoes objetivo). Assim, motivado por esse campo de pesquisa ainda em aberto e pelo fato da meta-heurística MOPSO ser pouco utilizada na Otimizaçao com Muitos Objetivos, este trabalho de doutorado contribuí com a proposta de novas metodos e algoritmos que buscam explorar três diferentes aspectos da Otimizacao por Nuvem de Partículas Multiobjetivo: uso de novas relacoes de preferencias, metodos de arquivamento e algoritmos MOPSO com multiplos enxames. Neste estudo, íe feita uma aníalise empírica que utiliza um conjunto de indicadores de qualidade e problemas de benchmark com o intuito de analisar aspectos como convergencia e diversidade da busca dos algoritmos utilizados. Por fim, esta tese traca os principais caminhos que serãao seguidos nos trabalhos futuros.Abstract: Multiobjective Optimization Problems have more than one objective function that are often in conflict. Therefore, there is no single best solution, but a set of the best solutions defined by the concepts of Pareto Optimality theory. Multiobjective Evolutionary Algorithms are applied successfully in several Multiobjective Optimization Problems. Among these algorithms, we highlight those based on Multiobjective Particle Swarm Optimization (MOPSO), since they have good results for multiobjective problems and exhibit unique characteristics such as cooperation among individuals of the population. However, Multi- Objective Evolutionary Algorithms scale poorly when the number of objectives increases. Many-Objective Optimization Problems are problems that have more than three objective functions. Many-Objective Optimization is a new area, which aims to propose new methods to reduce the deterioration of these algorithms. Thus, motivated by this research field still open and the fact that MOPSO algorithms are still underused in Many-Objective Optimization, this work aims to propose new methods for MOPSO metaheuristic applied to this context. The main contribution of this PhD work is the proposal of new methods and algorithms that seek to explore three different aspects of MOPSO metaheuristic: the use of new preference relations, exploring methods of archiving and exploring multi-swarm algorithms. Another important feature presented in this thesis are the empirical analyzes used to validate all new techniques. In this study, we use a set of quality indicators and benchmark problems in order to analyze aspects such as convergence and diversity of the search. Finally, this thesis outlines the main paths that will be followed in future work.218f. : il., grafs., tabs.application/pdfDisponível em formato digitalTesesAlgorítmosAlgorítmos genéticosOtimização combinatoriaCiência da ComputaçãoNovas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - ANDRE BRITTO DE CARVALHO.pdfapplication/pdf5266512https://acervodigital.ufpr.br/bitstream/1884/30068/1/R%20-%20T%20-%20ANDRE%20BRITTO%20DE%20CARVALHO.pdf382c2c2ac2d4f144c689d289a2787e0aMD51open accessTEXTR - T - ANDRE BRITTO DE CARVALHO.pdf.txtExtracted Texttext/plain442150https://acervodigital.ufpr.br/bitstream/1884/30068/2/R%20-%20T%20-%20ANDRE%20BRITTO%20DE%20CARVALHO.pdf.txt4a3e72903291fbff93cb5c1e1032a089MD52open accessTHUMBNAILR - T - ANDRE BRITTO DE CARVALHO.pdf.jpgGenerated Thumbnailimage/jpeg1108https://acervodigital.ufpr.br/bitstream/1884/30068/3/R%20-%20T%20-%20ANDRE%20BRITTO%20DE%20CARVALHO.pdf.jpg8a509e0bcf30acbaa14e05d5553e584dMD53open access1884/300682021-06-07 14:01:29.078open accessoai:acervodigital.ufpr.br:1884/30068Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082021-06-07T17:01:29Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos
title Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos
spellingShingle Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos
Carvalho, André Britto de
Teses
Algorítmos
Algorítmos genéticos
Otimização combinatoria
Ciência da Computação
title_short Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos
title_full Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos
title_fullStr Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos
title_full_unstemmed Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos
title_sort Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos
author Carvalho, André Britto de
author_facet Carvalho, André Britto de
author_role author
dc.contributor.other.pt_BR.fl_str_mv Ramirez Pozo, Aurora Trinidad, 1959-
Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.author.fl_str_mv Carvalho, André Britto de
dc.subject.por.fl_str_mv Teses
Algorítmos
Algorítmos genéticos
Otimização combinatoria
Ciência da Computação
topic Teses
Algorítmos
Algorítmos genéticos
Otimização combinatoria
Ciência da Computação
description Orientadora: Profa. Dra. Aurora Trinidad Ramirez Pozo
publishDate 2013
dc.date.issued.fl_str_mv 2013
dc.date.accessioned.fl_str_mv 2021-06-07T17:01:29Z
dc.date.available.fl_str_mv 2021-06-07T17:01:29Z
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 https://hdl.handle.net/1884/30068
url https://hdl.handle.net/1884/30068
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 218f. : il., grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/30068/1/R%20-%20T%20-%20ANDRE%20BRITTO%20DE%20CARVALHO.pdf
https://acervodigital.ufpr.br/bitstream/1884/30068/2/R%20-%20T%20-%20ANDRE%20BRITTO%20DE%20CARVALHO.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/30068/3/R%20-%20T%20-%20ANDRE%20BRITTO%20DE%20CARVALHO.pdf.jpg
bitstream.checksum.fl_str_mv 382c2c2ac2d4f144c689d289a2787e0a
4a3e72903291fbff93cb5c1e1032a089
8a509e0bcf30acbaa14e05d5553e584d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898830903508992

Registros relacionados