Use este identificador para citar ou linkar para este item: http://repositorio.bc.ufg.br/handle/ri/14876
Tipo do documento: Artigo
Título: Algoritmo auxiliar paralelo para melhorar a performance dos algoritmos genéticos com codificação binária
Autor: Camilo Júnior, Celso Gonçalves
Yamanaka, Keiji
Resumo: Várias são as técnicas aplicadas em problemas de otimização, no entanto, poucas alcançam desempenho satisfatório quando o problema é complexo como, por exemplo, multimodal ou multiobjetivo. As metaheurísticas, apesar de não garantirem o ótimo global, apresentam bons resultados e, por isso, são bastante utilizadas para esses cenários. Entre as metaheurísticas, os algoritmos evolucionários, especialmente os Algoritmos Genéticos (AG), apresentam ótimos resultados e, por isso, são bastante populares entre os pesquisadores. No entanto, o processo de melhoramento da solução de um AG pode ser lento, principalmente em casos de grande complexidade. Em vista disso, alguns trabalhos são desenvolvidos para melhorar o desempenho do AG. Quando se agiliza o processo de evolução em algoritmos evolucionários, normalmente, corre-se o risco de gerar soluções prematuras e fortes, que podem influenciar negativamente a população a máximos e mínimos locais. Sendo assim e percebendo a necessidade de soluções de aplicabilidade ampla, este trabalho propõe descrever e problematizar o Algoritmo Auxiliar Paralelo (AAP), utilizado para auxiliar a evolução da população dos AGs com codificação binária. O algoritmo proposto é um modulo que, acoplado aos AGs, alimenta a população de bons indivíduos. Quatro operadores foram criados para o AAP: AR, EART, EAR-P e EAR-N, todos funcionalmente independentes. Foram efetuados experimentos para aferir a eficiência do AAP e seus operadores. Os resultados obtidos demonstram que o AAP cumpre o objetivo de auxiliar o AG sem o uso de conhecimento específico do problema.
Abstract: Some techniques are applied in the optimization problems, however, just a few achieve satisfactory performance when the problem is complex, for example, multimodal or multiobjective. The metaheuristics, although not guaranteeing a global optimum, have good results and, hence, are quite used to these scenarios. Among the metaheuristics, the evolutionary algorithms, especially the Genetic Algorithms (GA), have great results and, hence, one of the most popular. However, the process of improving the solution of an AG may be slow, especially in cases of great complexity. Hence, some papers are developed to improve the performance of the AG. However, when it speeds up the process of evolution in evolutionary algorithms, normally increases the risk of premature convergence, which can negatively influence the population to maximum and minimum locations. Therefore, this work suggests the Assistant Parallel Algorithm (AAP), an algorithm to assist the evolution process of binary encoding GAs. The proposed algorithm is a module attached to the AGs that feeds the population of good individuals. Four operators were created for the AAP: AR, EAR-T, EAR-P and EAR-N, all functionally independent. Experiments were done to measure the efficiency of the AAP and its operators. The results show that the AAP reach the objective of assist the good evolution without using specifics knowledges about the problem.
Palavras-chave: Algoritmos genéticos
Convergência prematura
Velocidade de convergência
Computação evolucionária
Metaheurística
Genetic algorithms
Premature convergence
Convergence speed
Evolutionary computation
Metaheuristics
País: Brasil
Unidade acadêmica: Instituto de Informática - INF (RG)
Citação: CAMILO JÚNIOR, Celso G.; YAMANAKA, Keiji. Algoritmo auxiliar paralelo para melhorar a performance dos algoritmos genéticos com codificação binária. Learning and Nonlinear Models, Curitiba, v. 6, n. 2, p. 121-141, 2008.
Tipo de acesso: Acesso Aberto
URI: http://repositorio.bc.ufg.br/handle/ri/14876
Data de publicação: 2008
Aparece nas coleções:INF - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Artigo - Celso Gonçalves Camilo Júnior - 2008.pdf383,44 kBAdobe PDFThumbnail
Baixar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons