Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: MENDES, Cicero Samuel Rodrigues
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Problemas multiobjetivo com restrições
Algoritmos evolucionários
Evolução diferencial
Predição no espaço de busca
Otimização multiobjetivo
Controle de parâmetros
Link de acesso: https://repositorio.ufpe.br/handle/123456789/63937
Resumo: Problemas multiobjetivo com restrições (CMOPs) são amplamente encontrados em diversas aplicações científicas e de engenharia. Algoritmos Evolucionários (EAs) são empregados para resolver estes problemas devido a sua forte habilidade de busca. Du- rante o processo evolucionário, EAs geram um grande número de soluções candidatas que são pouco exploradas. Técnicas de aprendizado de máquina podem ser utiliza- das para analisar e extrair conhecimento útil destas soluções para guiar e melhorar a capacidade de busca, o que implica em um algoritmo inteligente e bem informado. Este trabalho propõe uma nova abordagem para lidar com CMOPs, o P-NSBiDiCo, que emprega predição para identificar tendências evolucionárias e gerar novas soluções em áreas promissoras preditas no espaço de busca. A abordagem proposta introduz novas estratégias para selecionar os parâmetros F e Cr da evolução diferencial (DE), bem como estratégia de predição nos espaços objetivo e de decisão. Resultados experimentais em 46 funções de benchmark e 23 problemas do mundo real sugerem que o P-NSBiDiCo obteve resultados competitivos na resolução de problemas práticos complexos quando comparados a sete algoritmos bem estabelecidos no estado da arte.
id UFPE_d24bf10562d5fc24c207322e3c2f04bd
oai_identifier_str oai:repositorio.ufpe.br:123456789/63937
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisãoProblemas multiobjetivo com restriçõesAlgoritmos evolucionáriosEvolução diferencialPredição no espaço de buscaOtimização multiobjetivoControle de parâmetrosProblemas multiobjetivo com restrições (CMOPs) são amplamente encontrados em diversas aplicações científicas e de engenharia. Algoritmos Evolucionários (EAs) são empregados para resolver estes problemas devido a sua forte habilidade de busca. Du- rante o processo evolucionário, EAs geram um grande número de soluções candidatas que são pouco exploradas. Técnicas de aprendizado de máquina podem ser utiliza- das para analisar e extrair conhecimento útil destas soluções para guiar e melhorar a capacidade de busca, o que implica em um algoritmo inteligente e bem informado. Este trabalho propõe uma nova abordagem para lidar com CMOPs, o P-NSBiDiCo, que emprega predição para identificar tendências evolucionárias e gerar novas soluções em áreas promissoras preditas no espaço de busca. A abordagem proposta introduz novas estratégias para selecionar os parâmetros F e Cr da evolução diferencial (DE), bem como estratégia de predição nos espaços objetivo e de decisão. Resultados experimentais em 46 funções de benchmark e 23 problemas do mundo real sugerem que o P-NSBiDiCo obteve resultados competitivos na resolução de problemas práticos complexos quando comparados a sete algoritmos bem estabelecidos no estado da arte.Constrained multi-objective problems (CMOPs) are widely found in a number of sci- entific and engineering applications. Evolutionary algorithms (EAs) are used to solve these problems due to their strong search capabilities. During the evolutionary process, EAs generate a large number of candidate solutions that are poorly explored. Machine learning techniques can be used to analyze and extract useful knowledge from these solutions to guide and improve the search capability, which implies in an intelligent and well-informed algorithm. This study proposes a new approach for handling CMOPs, P-NSBiDiCo, which employs prediction to identify evolutionary trends and generate new solutions in predicted promising areas in the search space. The proposed approach introduces new strategies for the selection of the F and Cr parameters of differential evolution (DE), as well as prediction strategies in the objective and decision spaces. Experimental results on 46 benchmark functions and 23 real-world problems suggest that P-NSBiDiCo achieved competitive results in solving complex practical problems when compared to seven well-established state-of-the-art algorithms.Universidade Federal de PernambucoUFPEBrasilPrograma de Pos Graduacao em Ciencia da ComputacaoARAÚJO, Aluízio Fausto Ribeirohttp://lattes.cnpq.br/8890492737689619http://lattes.cnpq.br/8715023255304328MENDES, Cicero Samuel Rodrigues2025-06-26T12:54:55Z2025-06-26T12:54:55Z2024-10-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfMENDES, Cicero Samuel Rodrigues. Evolução diferencial bidirecional de ordenamento por não- dominância com predição no espaço objetivo e de decisão. 2024. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024.https://repositorio.ufpe.br/handle/123456789/63937porhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2025-06-29T17:34:51Zoai:repositorio.ufpe.br:123456789/63937Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-06-29T17:34:51Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.none.fl_str_mv Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão
title Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão
spellingShingle Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão
MENDES, Cicero Samuel Rodrigues
Problemas multiobjetivo com restrições
Algoritmos evolucionários
Evolução diferencial
Predição no espaço de busca
Otimização multiobjetivo
Controle de parâmetros
title_short Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão
title_full Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão
title_fullStr Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão
title_full_unstemmed Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão
title_sort Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão
author MENDES, Cicero Samuel Rodrigues
author_facet MENDES, Cicero Samuel Rodrigues
author_role author
dc.contributor.none.fl_str_mv ARAÚJO, Aluízio Fausto Ribeiro
http://lattes.cnpq.br/8890492737689619
http://lattes.cnpq.br/8715023255304328
dc.contributor.author.fl_str_mv MENDES, Cicero Samuel Rodrigues
dc.subject.por.fl_str_mv Problemas multiobjetivo com restrições
Algoritmos evolucionários
Evolução diferencial
Predição no espaço de busca
Otimização multiobjetivo
Controle de parâmetros
topic Problemas multiobjetivo com restrições
Algoritmos evolucionários
Evolução diferencial
Predição no espaço de busca
Otimização multiobjetivo
Controle de parâmetros
description Problemas multiobjetivo com restrições (CMOPs) são amplamente encontrados em diversas aplicações científicas e de engenharia. Algoritmos Evolucionários (EAs) são empregados para resolver estes problemas devido a sua forte habilidade de busca. Du- rante o processo evolucionário, EAs geram um grande número de soluções candidatas que são pouco exploradas. Técnicas de aprendizado de máquina podem ser utiliza- das para analisar e extrair conhecimento útil destas soluções para guiar e melhorar a capacidade de busca, o que implica em um algoritmo inteligente e bem informado. Este trabalho propõe uma nova abordagem para lidar com CMOPs, o P-NSBiDiCo, que emprega predição para identificar tendências evolucionárias e gerar novas soluções em áreas promissoras preditas no espaço de busca. A abordagem proposta introduz novas estratégias para selecionar os parâmetros F e Cr da evolução diferencial (DE), bem como estratégia de predição nos espaços objetivo e de decisão. Resultados experimentais em 46 funções de benchmark e 23 problemas do mundo real sugerem que o P-NSBiDiCo obteve resultados competitivos na resolução de problemas práticos complexos quando comparados a sete algoritmos bem estabelecidos no estado da arte.
publishDate 2024
dc.date.none.fl_str_mv 2024-10-28
2025-06-26T12:54:55Z
2025-06-26T12:54:55Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv MENDES, Cicero Samuel Rodrigues. Evolução diferencial bidirecional de ordenamento por não- dominância com predição no espaço objetivo e de decisão. 2024. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024.
https://repositorio.ufpe.br/handle/123456789/63937
identifier_str_mv MENDES, Cicero Samuel Rodrigues. Evolução diferencial bidirecional de ordenamento por não- dominância com predição no espaço objetivo e de decisão. 2024. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024.
url https://repositorio.ufpe.br/handle/123456789/63937
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1856041986843213824

Registros relacionados