Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/33368
Full metadata record
DC FieldValueLanguage
dc.creatorFreitas, Jairo Gervásio de-
dc.date.accessioned2021-11-12T19:22:09Z-
dc.date.available2021-11-12T19:22:09Z-
dc.date.issued2021-10-21-
dc.identifier.citationFREITAS, Jairo Gervásio de. Aplicação de parâmetros autoadaptativos de ajustes de domínio na otimização de funções contínuas utilizando colônia de formigas. 2021. 75 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.te.2021.596pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/33368-
dc.description.abstractThere is a wide variety of computational methods used for solving optimization problems. Among these, there are various strategies that are derived from the concept of ant colony optimization (ACO). However, the great majority of these methods are limited-range-search algorithms, that is, they find the optimal solution, as long as the domain provided contains this solution. This becomes a limitation, due to the fact that it does not allow these algorithms to be applied successfully to real-world problems, as in the real world, it is not always possible to determine with certainty the correct domain. The search proposes the use of a broad-range search algorithm, that is, that seeks the optimal solution, with success most of the time, even if the initial domain provided does not contain this solution, as the initial domain provided will be adjusted until it finds a domain that contains the solution. This algorithm called ARACO, derived from RACO, makes for the obtaining of better results possible, through strategies for accelerating the parameters responsible for adjusting the supplied domain at opportune moments and, in case there is a stagnation of the algorithm, expansion of the domain around the best solution found to prevent the algorithm becoming trapped in a local minimum. Through these strategies, ARACO obtains better results than its predecessors, in relation to the number of function evaluations necessary to find the optimal solution, in addition to its one hundred percent success rate in practically all the tested functions, thus demonstrating itself as being a high performance and reliable algorithm. The algorithm has been tested on some classic benchmark functions and also on the benchmark functions of the IEEE Congress of Evolutionary Computation Benchmark Test Functions (CEC 2019 100-Digit Challenge).pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectotimização por colônia de formigaspt_BR
dc.subjectant colony optimizationpt_BR
dc.subjectotimização de funções contínuaspt_BR
dc.subjectcontinuous functions optimizationpt_BR
dc.subjectproblemas de otimizaçãopt_BR
dc.subjectoptimization problemspt_BR
dc.subjectcomputação evolutivapt_BR
dc.subjectevolutionary computationpt_BR
dc.subjectengenharia elétricapt_BR
dc.subjectelectrical engineeringpt_BR
dc.titleAplicação de parâmetros autoadaptativos de ajuste de domínio na otimização de funções contínuas utilizando colônia de formigaspt_BR
dc.title.alternativeApplication of self-adaptive domain adjustment parameters in the optimization of continuous functions using ant colony optimizationpt_BR
dc.typeTesept_BR
dc.contributor.advisor1Yamanaka, Keiji-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9893612181758615pt_BR
dc.contributor.referee1Peretta, Igor Santos-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6826511824160198pt_BR
dc.contributor.referee2Calixto, Wesley Pacheco-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9073478192027867pt_BR
dc.contributor.referee3Manzan, José Ricardo Gonçalves-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/8666068677634726pt_BR
dc.contributor.referee4Sousa, Marcelo Rodrigues de-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/1877457660315561pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5860536141624687pt_BR
dc.description.degreenameTese (Doutorado)pt_BR
dc.description.resumoExiste uma grande variedade de métodos computacionais com o objetivo de resolver problemas de otimização. Dentre eles, existem várias estratégias que são derivadas do conceito de otimização de colônia de formigas (ACO). No entanto, a grande maioria destes métodos são algoritmos de busca de alcance limitado, ou seja, encontram a solução ótima, desde que o domínio fornecido contenha essa solução. A pesquisa propõe a utilização de um algoritmo de busca de amplo alcance, ou seja, que busca a solução ótima, com sucesso na maioria das vezes, mesmo que o domínio inicial fornecido não contenha essa solução, pois o domínio inicial será ajustado até que seja localizado um domínio que contém a solução. Esse algoritmo denominado ARACO, derivado do algoritmo RACO, possibilita a obtenção de melhores resultados, através de estratégias para aceleração dos parâmetros responsáveis por ajustar o domínio fornecido, em momentos oportunos e de, caso haja estagnação do algoritmo, ampliação do domínio em torno da melhor solução encontrada, para impedir que o algoritmo fique preso em um mínimo local. Através dessas estratégias, ARACO obtém resultados melhores que seus antecessores, em relação ao número de avaliações de funções necessárias para encontrar a solução ótima, além de conseguir cem por cento de taxa de sucesso em praticamente todas as funções testadas, demonstrando assim ser um algoritmo de alto desempenho e confiabilidade. O algoritmo foi testado em algumas funções de benchmark clássicas e também nas funções de benchmark do IEEE Congress of Evolutionary Computation Benchmark Test Functions (CEC 2019 100-Digit Challenge).pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétricapt_BR
dc.sizeorduration75pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.identifier.doihttp://doi.org/10.14393/ufu.te.2021.596pt_BR
dc.orcid.putcode103105540-
dc.crossref.doibatchid31d1696b-754b-4e2d-be57-73c7b0f0cfd1-
dc.subject.autorizadoEngenharia Elétricapt_BR
dc.subject.autorizadoComputaçãopt_BR
dc.subject.autorizadoAlgoritmospt_BR
dc.subject.autorizadoFunções contínuas - Teses-
Appears in Collections:TESE - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
AplicaçãoParâmetrosAutoadaptativos.pdfTese1.64 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons