Comparação de algoritmos de enxame de partículas para otimização de problemas em larga escala

Página do item simplificado
dc.contributor.advisor1Cruz Junior, Gelson da
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4370555454162131eng
dc.contributor.referee1Silva, Karina Rocha Gomes da
dc.contributor.referee2Rodrigues, Cássio Leonardo
dc.contributor.referee3Cruz Junior, Gelson da
dc.creatorMelo, Leonardo Alves Moreira de
dc.creator.Latteshttp://lattes.cnpq.br/7075970611961812eng
dc.date.accessioned2018-11-29T11:09:58Z
dc.date.issued2018-10-26
dc.description.abstractIn order to address an issue concerning the increasing number of algorithms based on particle swarm optimization (PSO) applied to solve large-scale optimization problems (up to 2000 variables), this article presents analysis and comparisons among five state- of-the-art PSO algorithms (CCPSO2, LSS- PSO, OBL-PSO, SPSO and VCPSO). Tests were performed to illustrate the e ciency and feasibility of using the algorithms for this type of problem. Six benchmark functions most commonly used in the literature (Ackley 1, Griewank, Rastrigin, Rosenbrock, Schwefel 1.2 and Sphere) were tested. The experiments were performed using a high-dimensional problem (500 variables), varying the number of particles (50, 100 and 200 particles) in each algorithm, thus increasing the computational complexity. The analysis showed that the CCPSO2 and OBL-PSO algorithms found significantly better solutions than the other algorithms for more complex multimodal problems (which most resemble realworld problems). However, considering unimodal functions, the CCPSO2 algorithm stood out before the others. Our results and experimental analysis suggest that CCPSO2 and OBL- PSO seem to be highly competitive optimization algorithms to solve complex and multimodal optimization problems.eng
dc.description.provenanceSubmitted by Luciana Ferreira (lucgeral@gmail.com) on 2018-11-29T10:40:19Z No. of bitstreams: 2 Dissertação - Leonardo Alves Moreira de Melo - 2018.pdf: 2693689 bytes, checksum: 850fbad5a82099825d2478ba3415dcac (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-11-29T11:09:58Z (GMT) No. of bitstreams: 2 Dissertação - Leonardo Alves Moreira de Melo - 2018.pdf: 2693689 bytes, checksum: 850fbad5a82099825d2478ba3415dcac (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceMade available in DSpace on 2018-11-29T11:09:58Z (GMT). No. of bitstreams: 2 Dissertação - Leonardo Alves Moreira de Melo - 2018.pdf: 2693689 bytes, checksum: 850fbad5a82099825d2478ba3415dcac (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-10-26eng
dc.description.resumoO número de algoritmos baseados na otimização por enxame de partículas (PSO) aplicados para resolver problemas de otimização em grande escala (até 2.000 variáveis) aumentou significativamente. Este trabalho apresenta análises e comparações entre cinco algoritmos (CCPSO2, LSSPSO, OBL-CPSO, SPSO e VCPSO). Testes foram realizados para ilustrar a eficiência e viabilidade de usar os algoritmos para resolver problemas em larga escala. Seis funções de referência que são comumente utilizadas na literatura (Ackley 1, Griewank, Rastrigin, Rosenbrock, Schwefel 1.2 e Sphere) foram utilizadas para testar a performancedesses algoritmos. Os experimentos foram realizados utilizando um problema de alta dimensionalidade (500 variáveis), variando o número de partículas (50, 100 e 200 partículas) em cada algoritmo, aumentando assim a complexidade computacional. A análise mostrou que os algoritmos CCPSO2 e OBL-CPSO mostraram-se significativamente melhores que os outros algoritmos para problemas multimodais mais complexos (que mais se assemelham a problemas reais). No entanto, considerando as funções unimodais, o algoritmo CCPSO2 destacou-se perante os demais. Nossos resultados e análises experimentais sugerem que o CCPSO2 e o OBL-CPSO são algoritmos de otimização altamente competitivos para resolver problemas de otimização complexos e multimodais em larga escala.eng
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de Goiás - FAPEGeng
dc.formatapplication/pdf*
dc.identifier.citationMELO, L. A. M. Comparação de algoritmos de enxame de partículas para otimização de problemas em larga escala. 2018. 64 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Universidade Federal de Goiás, Goiânia, 2018.eng
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/9108
dc.languageporeng
dc.publisherUniversidade Federal de Goiáseng
dc.publisher.countryBrasileng
dc.publisher.departmentEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG)eng
dc.publisher.initialsUFGeng
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétrica e da Computação (EMC)eng
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectEnxame de partículaspor
dc.subjectPSOpor
dc.subjectOtimizaçãopor
dc.subjectParticle swarmeng
dc.subjectPSOeng
dc.subjectOptimizationeng
dc.subject.cnpqENGENHARIAS::ENGENHARIA ELETRICAeng
dc.titleComparação de algoritmos de enxame de partículas para otimização de problemas em larga escalaeng
dc.title.alternativeComparison of particle swarm optimization algorithms for large scale problemseng
dc.typeDissertaçãoeng

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Leonardo Alves Moreira de Melo - 2018.pdf
Tamanho:
2.57 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.11 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Engenharia Elétrica e da Computação (EMC)