Algoritmos de nuvem de partículas e a otimização com muitos objetivos

Detalhes bibliográficos
Autor(a) principal: Castro Junior, Olacir Rodrigues
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/29836
Resumo: Orientadora: Profa. Dra. Aurora Trinidad Ramirez Pozo
id UFPR_faeaf1eae456d0560b08b3ac82d4bf7c
oai_identifier_str oai:acervodigital.ufpr.br:1884/29836
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Ramirez Pozo, Aurora Trinidad, 1959-Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaCastro Junior, Olacir Rodrigues2024-02-02T18:55:55Z2024-02-02T18:55:55Z2013https://hdl.handle.net/1884/29836Orientadora: Profa. Dra. Aurora Trinidad Ramirez PozoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Pós-Graduaçao em Informática. Defesa: Curitiba, 07/02/2013Bibliografia: fls. 71-77Resumo: Problemas de otimização multiobjetivo (MOPs) sao problemas que possuem mais de uma função objetivo a ser minimizada ou maximizada. Entre as abordagens mais utilizadas atualmente para resolve-los destaca-se o uso de metaheurísticas populacionais. Esta popularidade se deve principalmente à natureza destas de lidar simultaneamente com diversas soluções (populacao) em uma única execucao. Um algoritmo muito utilizado para lidar com MOPs e chamado otimizacao por nuvem de partículas multiobjetivo (MOPSO), esta e uma abordagem derivada da otimizaçao por nuvem de partículas (PSO), que e uma metaheurística inspirada no comportamento de conjuntos de aves. Devido ao bom desempenho apresentado pelos MOPSOs ao resolver MOPs, esta abordagem vem sendo estendida para a resolucao de problemas de otimizaçao com muitos objetivos (MaOPs). Estes problemas sao caracterizados por apresentarem mais de tres funçoes objetivo e uma alta complexidade causada principalmente porque a proporçao de soluções não dominadas em uma populacao aumenta rapidamente com o número de objetivos, o que diminui a pressao de selecõo em direçao a fronteira de Pareto. Alem disso, o numero de pontos necessúrios para representar a fronteira aumenta exponencialmente de acordo com o numero de objetivos dificultando a obtençao de solucoes diversas o suficiente para cobri-la totalmente. Este trabalho apresenta algumas tecnicas aplicadas para melhorar o desempenho do MOPSO ao resolver MaOPs e tornú-lo menos sensível ao aumento no número de objetivos. Primeiramente estudaram-se duas tecnicas de controle da úrea de dominância das solucoes para aumentar a pressao de seleçõo, normalmente reduzida pelo aumento no numero de objetivos. Outra tecnica estudada foi a alteracao do metodo de selecao de líderes do MOPSO com a realizaçao de um estudo empírico usando seis metodos e os melhores foram destacados. Foi estudada tambem a influencia sofrida por esses metodos devido a alteracao na técnica de controle da área de dominância, e as melhores combinações foram identificadas através de estudos empíricos. Por último um novo MOPSO e proposto usando o conceito de pontos de referencia distribuindo melhor as soluções obtidas e com isso melhorando a convergencia a fronteira real. Estudos empíricos tambem foram realizados para comparar a nova abordagem a abordagem classica. A partir dos trabalhos realizados aqui tres artigos foram publicados, sendo o primeiro um estudo sobre os metodos de selecao de líderes, o segundo propondo um novo MOPSO que usa uma tecnica de controle da area de dominancia, e o terceiro que avalia a influencia das tecnicas de controle da area de dominância no desempenho dos metodos de selecõo de líder e identifica as melhores combinacoes entre tecnica de controle da area de dominância e metodo de seleçao de líder. Em geral todos os estudos realizados apresentaram melhorias de desempenho em relacao ao algoritmo original utilizado, especialmente no contexto de muitos objetivos.Abstract: Multiobjective optimization problems (MOPs) are problems that have more than one objective function to be minimized or maximized. Among the approaches currently used to solve them we highlight the use of populational metaheuristics. This popularity is mainly due to its nature of dealing simultaneously with many solutions (population) in a single run. An algorithm frequently used to deal with MOPs is called multiobjective particle swarm optimization (MOPSO), this approach is derived from the particle swarm optimization (PSO), which is a metaheuristic inspired by the behavior of bird flocks. Due to the good performance presented by MOPSOs to solve MOPs, this approach has been extended for solving many objective optimization problems (MaOPs). These problems are characterized by presenting more than three objective functions and a high complexity caused mainly because the proportion of non-dominated solutions in a population increases rapidly with the number of objectives, which reduces the selection pressure toward the Pareto frontier, moreover, the number of points to represent the frontier increases exponentially with the number of objectives becoming harder to obtain solutions diverse enough to cover it entirely. This work presents some techniques applied to improve the performance of MOPSO to solve MaOPs and make it less sensitive to the increase in the number of objectives. Firstly were studied the use of two techniques to control the dominance area of solutions to increase the selection pressure, typically reduced by the increase in the number of objectives. The impact of the leader selection method was also studied. Six methods were investigated experimentally and the best were highlighted. It was also studied the influence suffered by these methods due to the change in the control of the domination area of solutions, and the best combinations were identified through empirical studies. Finally a new MOPSO is proposed using the concept of reference points to better spread the solutions and thereby improve the convergence to the true frontier. Empirical studies were also conducted to compare the new approach with the classical one. From the work done here three articles were published, the first being a study on methods of leader selection, the second proposes a new MOPSO that uses a method to control the dominance area of solutions, and the third that assesses the influence of techniques to control the dominance area of solutions in the performance of leader selection methods and identifies the best combination between the technique to control the dominance area of solutions and the leader selection method. In general all studies showed performance improvements compared to the original algorithm used, especially in the context of many objectives.76f. : il. [algumas color.], grafs., tabs.application/pdfDisponível em formato digitalOtimização matemáticaAlgorítmos de computadorProgramação heuristicaCiência da ComputaçãoAlgoritmos de nuvem de partículas e a otimização com muitos objetivosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - OLACIR RODRIGUES CASTRO JUNIOR.pdfapplication/pdf1271951https://acervodigital.ufpr.br/bitstream/1884/29836/1/R%20-%20D%20-%20OLACIR%20RODRIGUES%20CASTRO%20JUNIOR.pdf0dd1eb2fd34c6f3746823142dfdd955eMD51open accessTEXTR - D - OLACIR RODRIGUES CASTRO JUNIOR.pdf.txtExtracted Texttext/plain145377https://acervodigital.ufpr.br/bitstream/1884/29836/2/R%20-%20D%20-%20OLACIR%20RODRIGUES%20CASTRO%20JUNIOR.pdf.txta462cb48a820255f41c4c2b8e959b51dMD52open accessTHUMBNAILR - D - OLACIR RODRIGUES CASTRO JUNIOR.pdf.jpgGenerated Thumbnailimage/jpeg1179https://acervodigital.ufpr.br/bitstream/1884/29836/3/R%20-%20D%20-%20OLACIR%20RODRIGUES%20CASTRO%20JUNIOR.pdf.jpg790abf1e39784e2c1d8c3de832229fa9MD53open access1884/298362024-02-02 15:55:55.858open accessoai:acervodigital.ufpr.br:1884/29836Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-02-02T18:55:55Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Algoritmos de nuvem de partículas e a otimização com muitos objetivos
title Algoritmos de nuvem de partículas e a otimização com muitos objetivos
spellingShingle Algoritmos de nuvem de partículas e a otimização com muitos objetivos
Castro Junior, Olacir Rodrigues
Otimização matemática
Algorítmos de computador
Programação heuristica
Ciência da Computação
title_short Algoritmos de nuvem de partículas e a otimização com muitos objetivos
title_full Algoritmos de nuvem de partículas e a otimização com muitos objetivos
title_fullStr Algoritmos de nuvem de partículas e a otimização com muitos objetivos
title_full_unstemmed Algoritmos de nuvem de partículas e a otimização com muitos objetivos
title_sort Algoritmos de nuvem de partículas e a otimização com muitos objetivos
author Castro Junior, Olacir Rodrigues
author_facet Castro Junior, Olacir Rodrigues
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 Castro Junior, Olacir Rodrigues
dc.subject.por.fl_str_mv Otimização matemática
Algorítmos de computador
Programação heuristica
Ciência da Computação
topic Otimização matemática
Algorítmos de computador
Programação heuristica
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 2024-02-02T18:55:55Z
dc.date.available.fl_str_mv 2024-02-02T18:55:55Z
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.uri.fl_str_mv https://hdl.handle.net/1884/29836
url https://hdl.handle.net/1884/29836
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 76f. : il. [algumas color.], 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/1884/29836/1/R%20-%20D%20-%20OLACIR%20RODRIGUES%20CASTRO%20JUNIOR.pdf
https://acervodigital.ufpr.br/bitstream/1884/29836/2/R%20-%20D%20-%20OLACIR%20RODRIGUES%20CASTRO%20JUNIOR.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/29836/3/R%20-%20D%20-%20OLACIR%20RODRIGUES%20CASTRO%20JUNIOR.pdf.jpg
bitstream.checksum.fl_str_mv 0dd1eb2fd34c6f3746823142dfdd955e
a462cb48a820255f41c4c2b8e959b51d
790abf1e39784e2c1d8c3de832229fa9
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_ 1801860667034042368

Registros relacionados