Programação evolutiva com distribuição estável adaptativa

• Ano de defesa: 2007
• Autor(a) principal: Carvalho, Leopoldo Bulgarelli de
• Orientador(a): Oliveira, Pedro Paulo Balbi de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Palavras-chave em Português: programação evolutiva; algoritmos; distribuições estáveis adaptativas
• Palavras-chave em Inglês: evolutionary programming; algorithms; adaptative stable distributions
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://dspace.mackenzie.br/handle/10899/24389

Aplicações recentes em programação evolutiva tem sugerido a utilização de diferentes distribuições estáveis de probabilidade, tais como de Cauchy e de Lévy, no processo aleatório associado às mutações, como alternativa à tradicional (e também estável) distribuição Normal. A motivação para tanto é melhorar os resultados em algumas classes de problemas de otimização, com relação aos obtidos através da distribuição Normal. Esse trabalho propõe uma nova classe de algoritmos auto-adaptativos com respeito à determinação dos parâmetros da distribuição estável mais adequada para cada problema de otimização. Tais algoritmos foram derivados de um existente na literatura, especialmente sua versão apresentada em [Lee e Yao, 2004]. Em um primeiro momento foram estudadas as principais características das distribuições estáveis que são, nesse trabalho, o foco dos processos aleatórios associados às mutações. Posteriormente, foram apresentadas as diferentes abordagens descritas pela literatura e as sugestões de algoritmos com características auto-adaptativas. As avaliações dos algoritmos propostos utilizaram funções de teste padrão da literatura, e os resultados comparativos de desempenho foram realizados com relação a um algoritmo tradicional baseado na distribuição Normal. Posteriormente, foram aplicados novos comparativos entre as diversas abordagens auto-adaptativas definidas no presente estudo, e feito um comparativo do melhor algoritmo auto-adaptativo aqui proposto com o melhor algoritmo adaptativo obtido de [Lee e Yao, 2004]. Os resultados evidenciaram superioridade numérica e estatística da abordagem baseada em distribuições estáveis, sobre o método tradicional baseado na distribuição Normal. No entanto, o método proposto não se mostrou mais eficaz que o método adaptativo sugerido em [Lee e Yao, 2004], o que pode ter sido decorrente de decisões de implementação não explícitas naquele trabalho, que tiveram de ser tomadas no presente contexto.