Algoritmos de Optimização Multi-objectivo de Inspiração Natural e Biológica
Ficheiros
Data
2011
Autores
Título da revista
ISSN da revista
Título do Volume
Editora
Resumo
Os algoritmos estocásticos são muito usados em diversos problemas de optimização. Os algoritmos evolutivos são uma abordagem de pesquisa e optimização baseada numa população, inspirada na teoria evolutiva de Darwin. Uma das correntes que mais se popularizou de entre os algoritmos evolutivos foram os algoritmos genéticos, que serviram de base, ao longo desta dissertação, para a introdução de diversos conceitos e métodos, ligados à optimização, dominância, convergência e diversidade. Outro algoritmo estocástico, este, inspirado no comportamento animal, é o algoritmo de optimização por enxame de partículas. Sendo uma abordagem diferente em relação aos algoritmos evolutivos, adoptou alguns dos métodos usados nos algoritmos evolutivos.
Os algoritmos estocásticos e meta-heurísticos, têm mostrado uma aptidão para a resolução de problemas de optimização multi-objectivo. Nesta dissertação é criado um novo algoritmo multi-objectivo de optimização por enxame de partículas, designado MmMOPSO. É apresentada uma análise comparativa deste algoritmo com outros algoritmos de optimização por enxame de partículas, num conjunto de funções de referência. O MmMOPSO é também aplicado na resolução de exemplos práticos de optimização da estrutura de manipuladores robóticos paralelos.
Stochastic algorithms are widely used in various optimization problems. Evolutionary algorithms are an search and optimization population based on approach inspired on Darwin evolutionary theory. One of the streams which turn to be more popular among evolutionary algorithms are the genetic algorithms, which serve as the base along this dissertation to, the introduction of several concepts and methods related to optimization, dominance, convergence and diversity. Another stochastic algorithm, this one inspired in animal behavior, is the particle swarm optimization. As a different approach to evolutionary algorithms, it adopted some methods used in evolutionary algorithms. Stochastic algorithms and meta-heuristics, have shown an aptitude for solving multiobjective optimization problems. A new multi-objective paricle swarm optimization algorithm, ter.med MmMOPSO, is proposed in the dissertation. A comparative analysis of this algorithm with other particle swarm optimization algorithms is presented, for a set of benchmark functions. The MmMOPSO is also applied to solve in practical examples to design parallel robotic manipulators.
Stochastic algorithms are widely used in various optimization problems. Evolutionary algorithms are an search and optimization population based on approach inspired on Darwin evolutionary theory. One of the streams which turn to be more popular among evolutionary algorithms are the genetic algorithms, which serve as the base along this dissertation to, the introduction of several concepts and methods related to optimization, dominance, convergence and diversity. Another stochastic algorithm, this one inspired in animal behavior, is the particle swarm optimization. As a different approach to evolutionary algorithms, it adopted some methods used in evolutionary algorithms. Stochastic algorithms and meta-heuristics, have shown an aptitude for solving multiobjective optimization problems. A new multi-objective paricle swarm optimization algorithm, ter.med MmMOPSO, is proposed in the dissertation. A comparative analysis of this algorithm with other particle swarm optimization algorithms is presented, for a set of benchmark functions. The MmMOPSO is also applied to solve in practical examples to design parallel robotic manipulators.
Descrição
Dissertação de Mestrado em Engenharia Electrotécnica e de Computadores
Palavras-chave
Algoritmos evolutivos , Algoritmos genéticos , Algoritmos de optimização por enxame de partículas , Optimização multi-objectivo