Revisão de técnicas de pesquisa inspiradas em enxames

Data
2021-02-25
Título da revista
ISSN da revista
Título do Volume
Editora
Projetos de investigação
Unidades organizacionais
Fascículo
Resumo
Este trabalho foca-se em algoritmos inspirados na natureza, em particular naqueles inspirados no comportamento de enxames. Estes algoritmos são populares devido à capacidade demonstrada na resolução de problemas de otimização em diversas áreas tais como Engenharia, Medicina, Computação, etc., tendo um bom desempenho. Nesta dissertação faz-se uma revisão de um conjunto de algoritmos selecionado de modo a compreender o seu funcionamento e indicar os fenómenos e comportamentos observados na natureza que os inspiraram. Um desses algoritmos é o Grey Wolf Optimizer, para o qual é proposta uma nova variante usando a entropia de Shannon apelidada de Entropy Grey Wolf Optimizer (E-GWO). Também se abordam conceitos de entropia e alguns dos seus usos em algoritmos de pesquisa e otimização, bem como outros métodos que melhoram a diversidade em populações em algoritmos. Por último realizam-se testes de simulação num conjunto de funções padrão de modo a testar o desempenho do algoritmo GWO e do algoritmo proposto E-GWO.
This work focuses on nature-inspired algorithms, in particular those inspired by the behaviour of swarms. These algorithms have grown in popularity due to the ability they have shown in solving optimizer problems in many different areas such as Engineering, Medicine, Computing, etc. with a good performance. In this dissertation, some of these algorithms are reviewed to understand how they work and how they take inspiration from nature’s behaviours and events. One of those is the Grey Wolf Optimizer algorithm, for which a novel variant called Entropy Grey Wolf Optimizer (E-GWO) is proposed. The entropy concept is explained, and some of its applications in search and optimizer algorithms and other techniques that are used to increase diversity in an algorithm’s population. Test simulations are made in a group of functions to test the GWO algorithm’s performance and the novel E-GWO algorithm.
Descrição
Palavras-chave
Algoritmos inspirados na natureza , Grey Wolf Optimizer
Citação