Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/xmlui/handle/123456789/160683 |
Resumo: | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2015. |
id |
UFSC_2b31176b929266b764f89f036d0bec5d |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/160683 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Universidade Federal de Santa CatarinaPereira, Márcio Valério WeckRoisenberg, Mauro2016-04-19T04:09:08Z2016-04-19T04:09:08Z2015338164https://repositorio.ufsc.br/xmlui/handle/123456789/160683Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2015.O crescente interesse nos métodos de otimização multimodal se deve a uma característica, quase que geral, dos problemas reais - a multimodalidade. Essa característica implica que o problema possui mais de uma solução ótima. Encontrar um conjunto de soluções ótimas é o objetivo dos métodos de otimização multimodal. O método apresentado neste trabalho, Estratégia de Evolução Multimodal baseada em Multi-população, ou NMESIS como será chamado devido a sua tradução para a língua inglesa Niching Multi-population Evolution Strategy with Improved Search, é um algoritmo de niching paralelo e explícito que utiliza como base a Adaptação da Matriz de Covariância. O método representa cada população como uma distribuição normal, o que permite utilizar técnicas destinadas à modelos de misturas gaussianas. Essa escolha ajuda a simplificar a parametrização, enquanto facilita o desenvolvimento de operadores robustos para troca de informação entre os nichos. O NMESIS foi avaliado através de um benchmark, utilizado em competições de algoritmos de niching, que contêm 20 problemas de teste, especialmente concebidos para avaliação de métodos de otimização multimodal, e seu desempenho foi comparado a outros métodos no estado da arte como NMMSO, dADE e NEA2 (último vencedor do CEC 2013). Os resultados apresentados mostram que o NMESIS conseguiu encontrar mais soluções que os concorrentes. Outro fator positivo foi a consistência dos resultados, mesmo com o aumento da precisão.<br>Abstract : The growing interest in multimodal optimization methods is motivated by an characteristic commonly found in real problems --- multimodality. Find a set of optimal solutions is the target of multimodal optimization research. The method presented in this work, called Niching Multi-population Evolution Strategy with Improved Search (NMESIS), is a parallel niching method which is also explicit. Each niche is maintained by a CMA-ES instance. NMESIS abstracts the niche population as a Gaussian Mixture Model, allowing to use methods that are developed for classification and clustering. This helps to create robust operators to detect overlaps. Also, the abstraction allows a better communication mechanism between niches (migration). We apply a benchmark of 20 test functions, specially designed for multimodal optimization evaluation, and compare the performance with state-of- the-art methods. Finally we discuss the results and show that the proposed approach can reach better and stable results even in high-dimensional spaces.90 p.| il., grafs., tabs.porComputaçãoModelosAlgoritmos de otimizaçãoAglomeraçãoOtimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL338164.pdfapplication/pdf1346468https://repositorio.ufsc.br/bitstream/123456789/160683/1/338164.pdf24ccc222ada67efe9680ca7e8fb9287eMD51123456789/1606832016-04-19 01:09:08.988oai:repositorio.ufsc.br:123456789/160683Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732016-04-19T04:09:08Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.pt_BR.fl_str_mv |
Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo |
title |
Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo |
spellingShingle |
Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo Pereira, Márcio Valério Weck Computação Modelos Algoritmos de otimização Aglomeração |
title_short |
Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo |
title_full |
Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo |
title_fullStr |
Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo |
title_full_unstemmed |
Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo |
title_sort |
Otimização multimodal para domínio contínuo com heurísticas de agrupamento adaptativo |
author |
Pereira, Márcio Valério Weck |
author_facet |
Pereira, Márcio Valério Weck |
author_role |
author |
dc.contributor.pt_BR.fl_str_mv |
Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Pereira, Márcio Valério Weck |
dc.contributor.advisor1.fl_str_mv |
Roisenberg, Mauro |
contributor_str_mv |
Roisenberg, Mauro |
dc.subject.classification.pt_BR.fl_str_mv |
Computação Modelos Algoritmos de otimização Aglomeração |
topic |
Computação Modelos Algoritmos de otimização Aglomeração |
description |
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2015. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015 |
dc.date.accessioned.fl_str_mv |
2016-04-19T04:09:08Z |
dc.date.available.fl_str_mv |
2016-04-19T04:09:08Z |
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://repositorio.ufsc.br/xmlui/handle/123456789/160683 |
dc.identifier.other.pt_BR.fl_str_mv |
338164 |
identifier_str_mv |
338164 |
url |
https://repositorio.ufsc.br/xmlui/handle/123456789/160683 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
90 p.| il., grafs., tabs. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
bitstream.url.fl_str_mv |
https://repositorio.ufsc.br/bitstream/123456789/160683/1/338164.pdf |
bitstream.checksum.fl_str_mv |
24ccc222ada67efe9680ca7e8fb9287e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1766805049101516800 |