Banca de DEFESA: JOSÉ LUCAS MATOS SILVA
03/08/2017 12:05
Problemas de Otimização Multiobjetivo podem ser classificados como um conjunto de problemas que possuem mais de uma função objetivo conflitante. Nestes problemas, as funções objetivo a serem otimizadas possuem índices de desempenho que são conflitantes, ou seja, normalmente quando um valor de uma função objetivo tem uma melhoria, um valor de outra função objetivo tende a ter uma piora. Com isto, é necessário obter um conjunto de melhores soluções, onde os valores das funções objetivo simultaneamente sejam aceitáveis. Pode-se destacar que nessa classe de problemas o número de melhores soluções cresce exponencialmente conforme o número de objetivos aumenta. Nesse sentido, esse aumento do número de soluções causa a deterioração da busca por melhores soluções, dificultando o progresso em direção às soluções ótimas. Apesar da aplicação com sucesso de diversos Algoritmos Evolucionários Multiobjetivo a esses tipos problemas, a maioria dos estudos foca em problemas com um número pequeno de objetivos. Além disso, esses algoritmos sofrem com a deterioração da busca quando o número de funções objetivo otimizadas é maior do que três. Assim, recentemente há a busca por novas técnicas e algoritmos que busquem reduzir a deterioração dos algoritmos multiobjetivo. A área que estuda essas novas técnicas é chamada de Otimização com Muitos Objetivos e os problemas multiobjetivo que possuem mais de três funções são classificados como Problemas de Otimização com Muitos Objetivos. Recentemente, diferentes abordagens têm sido propostas para melhorar o desempenho destes algoritmos em problemas de otimização com muitos objetivos. Uma dessas abordagens é o uso de múltiplas populações na otimização multiobjetivo por enxames de partículas, no qual chamamos de Múltiplos Enxames. Múltiplos Enxames são técnicas para explorar populações paralelas para decompor o problema e otimizá-lo de forma colaborativa. Neste trabalho foram desenvolvidos algoritmos que incorporam as características de múltiplos enxames com topologias, arquivamento e pontos de referência para resolver Problemas de Otimização com Muitos Objetivos. O primeiro algoritmo desenvolvido envolveu métodos de arquivamento e topologias, outro explorou pontos de referência e o último trabalhou com modificações dos pontos de referência com o objetivo de obter boa convergência e diversidade nesses tipos de problemas. Um conjunto de experimentos é feito para avaliar os algoritmos propostos e buscar identificar qual a melhor configuração de cada algoritmo. Além disso, é feita uma análise do desempenho dos algoritmos, comparando-os à métodos da literatura.
SIGAA | Superintendência de Tecnologia da Informação/UFS | Telefonista/UFS (79)3194-6600 | Copyright © 2009-2024 - UFRN v3.5.16 -r19110-7eaa891a10