Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: YASOJIMA, Edson Koiti Kudo lattes
Orientador(a): OLIVEIRA, Roberto Célio Limão de lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Pará
Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
Departamento: Instituto de Tecnologia
País: Brasil
Palavras-chave em Português:
Algoritmo genético
Otimização
Variáveis reais
Problemas de engenharia
Exploração
Palavras-chave em Inglês:
Genetics algorithms
Design optimization
Real variables
Engineering design
Exploration
Área do conhecimento CNPq:
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Link de acesso: http://repositorio.ufpa.br/jspui/handle/2011/11267
Resumo: Este trabalho apresenta um Algoritmo Genético que utiliza uma nova operação de crossover (ADX – Adjusted Crossover) e um novo método de mutação através do ajuste baseado em correlação (CAM – Correlation Adjustment Mutation). Ambos os operadores propostos são executados na população do AG, otimizando soluções já existentes (ADX) e aumentando o poder exploratório global do algoritmo através do ajuste correlacional (CAM). Heurísticas puramente baseadas em solução oferecem um bom nível de otimização local (intensificação), no entanto, possuem baixo nível de exploração global do espaço de busca. Por outro lado, algoritmo evolutivos oferecem capacidades exploratórias globais melhores. A partir deste pressuposto, os métodos que buscam o aumento de tais capacidades exploratórias são vastamente utilizados para otimização de problemas com restrições de variáveis, devido à utilização vantajosa do poder de busca das duas abordagens (baseado em solução e evolutivos). Os métodos propostos neste trabalho aumentaram o poder de exploração e intensificação do algoritmo genético utilizado. De acordo com os testes executados, o algoritmo genético com os operadores propostos apresentou resultados melhores para a maioria os problemas clássicos de engenharia quando comparados a outros métodos presentes na literatura. Além disso, obteve bons resultados em problemas de robótica e performance mediana quando utilizados com benchmarks propostos no evento CEC’2015.
id UFPA_6524149fd982a848dcb289c8f0afed4c
oai_identifier_str oai:repositorio.ufpa.br:2011/11267
network_acronym_str UFPA
network_name_str Repositório Institucional da UFPA
repository_id_str
spelling 2019-06-10T17:54:45Z2019-06-10T17:54:45Z2019-04-26YASOJIMA, Edson Koiti Kudo. Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais. Orientador: João Paulo Abreu Vieira; Coorientador: Otavio Noura Teixeira. 2019. 79 f. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11267. Acesso em:.http://repositorio.ufpa.br/jspui/handle/2011/11267Este trabalho apresenta um Algoritmo Genético que utiliza uma nova operação de crossover (ADX – Adjusted Crossover) e um novo método de mutação através do ajuste baseado em correlação (CAM – Correlation Adjustment Mutation). Ambos os operadores propostos são executados na população do AG, otimizando soluções já existentes (ADX) e aumentando o poder exploratório global do algoritmo através do ajuste correlacional (CAM). Heurísticas puramente baseadas em solução oferecem um bom nível de otimização local (intensificação), no entanto, possuem baixo nível de exploração global do espaço de busca. Por outro lado, algoritmo evolutivos oferecem capacidades exploratórias globais melhores. A partir deste pressuposto, os métodos que buscam o aumento de tais capacidades exploratórias são vastamente utilizados para otimização de problemas com restrições de variáveis, devido à utilização vantajosa do poder de busca das duas abordagens (baseado em solução e evolutivos). Os métodos propostos neste trabalho aumentaram o poder de exploração e intensificação do algoritmo genético utilizado. De acordo com os testes executados, o algoritmo genético com os operadores propostos apresentou resultados melhores para a maioria os problemas clássicos de engenharia quando comparados a outros métodos presentes na literatura. Além disso, obteve bons resultados em problemas de robótica e performance mediana quando utilizados com benchmarks propostos no evento CEC’2015.and a novel statistic correlation mutation algorithm (CAM). Both ADX and CAM work with population information to improve existing individuals of the GA and increase the exploration potential via the correlation mutation. Solution-based methods offers good local improvement of already known solutions while lacking at exploring the whole search space, evolutionary algorithms provide better global search in exchange of exploitation power. Methods that increase the search potential are widely used for constrained optimization problems due to increased global and local search capabilities. The GA with the proposed operators improves results of constrained problems by balancing the exploitation and exploration potential of the algorithm. The conducted tests present average performance for various CEC’2015 benchmark problems, while offering good reliability and superior results on path planning problem for redundant manipulator and most of the constrained engineering design problems tested when compared with current works in the literature and classic optimization algorithms.Submitted by Luciclea Silva (luci@ufpa.br) on 2019-06-10T17:54:30Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Usoalgoritmogenetico.pdf: 2130251 bytes, checksum: 9d31add7abbd50ec52d6abf966db2496 (MD5)Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2019-06-10T17:54:45Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Usoalgoritmogenetico.pdf: 2130251 bytes, checksum: 9d31add7abbd50ec52d6abf966db2496 (MD5)Made available in DSpace on 2019-06-10T17:54:45Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Usoalgoritmogenetico.pdf: 2130251 bytes, checksum: 9d31add7abbd50ec52d6abf966db2496 (MD5) Previous issue date: 2019-04-26porUniversidade Federal do ParáPrograma de Pós-Graduação em Engenharia ElétricaUFPABrasilInstituto de Tecnologia1 CD-ROMreponame:Repositório Institucional da UFPAinstname:Universidade Federal do Pará (UFPA)instacron:UFPACNPQ::ENGENHARIAS::ENGENHARIA ELETRICAINTELIGÊNCIA COMPUTACIONALCOMPUTAÇÃO APLICADAAlgoritmo genéticoOtimizaçãoVariáveis reaisProblemas de engenhariaExploraçãoGenetics algorithmsDesign optimizationReal variablesEngineering designExplorationUso de algoritmo genético com operadores modificados para otimização de funções de variáveis reaisUse of genetic algorithm with modified operators for optimization of real variable functionsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisOLIVEIRA, Roberto Célio Limão dehttp://lattes.cnpq.br/4497607460894318TEIXEIRA, Otávio Nourahttp://lattes.cnpq.br/5784356232477760http://lattes.cnpq.br/6012943752452635YASOJIMA, Edson Koiti Kudoinfo:eu-repo/semantics/openAccessORIGINALTese_UsoAlgoritmoGenetico.pdfTese_UsoAlgoritmoGenetico.pdfapplication/pdf2130251https://repositorio.ufpa.br/oai/bitstream/2011/11267/1/Tese_UsoAlgoritmoGenetico.pdf9d31add7abbd50ec52d6abf966db2496MD51CC-LICENSElicense_urllicense_urltext/plain; charset=utf-843https://repositorio.ufpa.br/oai/bitstream/2011/11267/2/license_url321f3992dd3875151d8801b773ab32edMD52license_textlicense_texttext/html; charset=utf-80https://repositorio.ufpa.br/oai/bitstream/2011/11267/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80https://repositorio.ufpa.br/oai/bitstream/2011/11267/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81899https://repositorio.ufpa.br/oai/bitstream/2011/11267/5/license.txt9d4d300cff78e8f375d89aab37134138MD55TEXTTese_UsoAlgoritmoGenetico.pdf.txtTese_UsoAlgoritmoGenetico.pdf.txtExtracted texttext/plain149588https://repositorio.ufpa.br/oai/bitstream/2011/11267/6/Tese_UsoAlgoritmoGenetico.pdf.txte140c32d797c6fc26dafca464a002dc6MD562011/112672022-04-27 13:13:30.723oai:repositorio.ufpa.br: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ório InstitucionalPUBhttp://repositorio.ufpa.br/oai/requestriufpabc@ufpa.bropendoar:21232022-04-27T16:13:30Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA)false
dc.title.pt_BR.fl_str_mv Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais
dc.title.alternative.pt_BR.fl_str_mv Use of genetic algorithm with modified operators for optimization of real variable functions
title Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais
spellingShingle Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais
YASOJIMA, Edson Koiti Kudo
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Algoritmo genético
Otimização
Variáveis reais
Problemas de engenharia
Exploração
Genetics algorithms
Design optimization
Real variables
Engineering design
Exploration
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
title_short Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais
title_full Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais
title_fullStr Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais
title_full_unstemmed Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais
title_sort Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais
author YASOJIMA, Edson Koiti Kudo
author_facet YASOJIMA, Edson Koiti Kudo
author_role author
dc.contributor.advisor1.fl_str_mv OLIVEIRA, Roberto Célio Limão de
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/4497607460894318
dc.contributor.advisor-co1.fl_str_mv TEIXEIRA, Otávio Noura
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/5784356232477760
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/6012943752452635
dc.contributor.author.fl_str_mv YASOJIMA, Edson Koiti Kudo
contributor_str_mv OLIVEIRA, Roberto Célio Limão de
TEIXEIRA, Otávio Noura
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Algoritmo genético
Otimização
Variáveis reais
Problemas de engenharia
Exploração
Genetics algorithms
Design optimization
Real variables
Engineering design
Exploration
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
dc.subject.por.fl_str_mv Algoritmo genético
Otimização
Variáveis reais
Problemas de engenharia
Exploração
dc.subject.eng.fl_str_mv Genetics algorithms
Design optimization
Real variables
Engineering design
Exploration
dc.subject.linhadepesquisa.pt_BR.fl_str_mv INTELIGÊNCIA COMPUTACIONAL
dc.subject.areadeconcentracao.pt_BR.fl_str_mv COMPUTAÇÃO APLICADA
description Este trabalho apresenta um Algoritmo Genético que utiliza uma nova operação de crossover (ADX – Adjusted Crossover) e um novo método de mutação através do ajuste baseado em correlação (CAM – Correlation Adjustment Mutation). Ambos os operadores propostos são executados na população do AG, otimizando soluções já existentes (ADX) e aumentando o poder exploratório global do algoritmo através do ajuste correlacional (CAM). Heurísticas puramente baseadas em solução oferecem um bom nível de otimização local (intensificação), no entanto, possuem baixo nível de exploração global do espaço de busca. Por outro lado, algoritmo evolutivos oferecem capacidades exploratórias globais melhores. A partir deste pressuposto, os métodos que buscam o aumento de tais capacidades exploratórias são vastamente utilizados para otimização de problemas com restrições de variáveis, devido à utilização vantajosa do poder de busca das duas abordagens (baseado em solução e evolutivos). Os métodos propostos neste trabalho aumentaram o poder de exploração e intensificação do algoritmo genético utilizado. De acordo com os testes executados, o algoritmo genético com os operadores propostos apresentou resultados melhores para a maioria os problemas clássicos de engenharia quando comparados a outros métodos presentes na literatura. Além disso, obteve bons resultados em problemas de robótica e performance mediana quando utilizados com benchmarks propostos no evento CEC’2015.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-06-10T17:54:45Z
dc.date.available.fl_str_mv 2019-06-10T17:54:45Z
dc.date.issued.fl_str_mv 2019-04-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv YASOJIMA, Edson Koiti Kudo. Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais. Orientador: João Paulo Abreu Vieira; Coorientador: Otavio Noura Teixeira. 2019. 79 f. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11267. Acesso em:.
dc.identifier.uri.fl_str_mv http://repositorio.ufpa.br/jspui/handle/2011/11267
identifier_str_mv YASOJIMA, Edson Koiti Kudo. Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais. Orientador: João Paulo Abreu Vieira; Coorientador: Otavio Noura Teixeira. 2019. 79 f. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11267. Acesso em:.
url http://repositorio.ufpa.br/jspui/handle/2011/11267
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.publisher.none.fl_str_mv Universidade Federal do Pará
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Elétrica
dc.publisher.initials.fl_str_mv UFPA
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Tecnologia
publisher.none.fl_str_mv Universidade Federal do Pará
dc.source.pt_BR.fl_str_mv 1 CD-ROM
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPA
instname:Universidade Federal do Pará (UFPA)
instacron:UFPA
instname_str Universidade Federal do Pará (UFPA)
instacron_str UFPA
institution UFPA
reponame_str Repositório Institucional da UFPA
collection Repositório Institucional da UFPA
bitstream.url.fl_str_mv https://repositorio.ufpa.br/oai/bitstream/2011/11267/1/Tese_UsoAlgoritmoGenetico.pdf
https://repositorio.ufpa.br/oai/bitstream/2011/11267/2/license_url
https://repositorio.ufpa.br/oai/bitstream/2011/11267/3/license_text
https://repositorio.ufpa.br/oai/bitstream/2011/11267/4/license_rdf
https://repositorio.ufpa.br/oai/bitstream/2011/11267/5/license.txt
https://repositorio.ufpa.br/oai/bitstream/2011/11267/6/Tese_UsoAlgoritmoGenetico.pdf.txt
bitstream.checksum.fl_str_mv 9d31add7abbd50ec52d6abf966db2496
321f3992dd3875151d8801b773ab32ed
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
9d4d300cff78e8f375d89aab37134138
e140c32d797c6fc26dafca464a002dc6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA)
repository.mail.fl_str_mv riufpabc@ufpa.br
_version_ 1842907982091780096

Registros relacionados