Comparação de algoritmos de enxame de partículas para otimização de problemas em larga escala
dc.contributor.advisor1 | Cruz Junior, Gelson da | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4370555454162131 | eng |
dc.contributor.referee1 | Silva, Karina Rocha Gomes da | |
dc.contributor.referee2 | Rodrigues, Cássio Leonardo | |
dc.contributor.referee3 | Cruz Junior, Gelson da | |
dc.creator | Melo, Leonardo Alves Moreira de | |
dc.creator.Lattes | http://lattes.cnpq.br/7075970611961812 | eng |
dc.date.accessioned | 2018-11-29T11:09:58Z | |
dc.date.issued | 2018-10-26 | |
dc.description.abstract | In 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.provenance | Submitted 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.provenance | Approved 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.provenance | Made 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: 2018-10-26 | eng |
dc.description.resumo | O 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.sponsorship | Fundação de Amparo à Pesquisa do Estado de Goiás - FAPEG | eng |
dc.format | application/pdf | * |
dc.identifier.citation | MELO, 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.uri | http://repositorio.bc.ufg.br/tede/handle/tede/9108 | |
dc.language | por | eng |
dc.publisher | Universidade Federal de Goiás | eng |
dc.publisher.country | Brasil | eng |
dc.publisher.department | Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG) | eng |
dc.publisher.initials | UFG | eng |
dc.publisher.program | Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC) | eng |
dc.rights | Acesso Aberto | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | Enxame de partículas | por |
dc.subject | PSO | por |
dc.subject | Otimização | por |
dc.subject | Particle swarm | eng |
dc.subject | PSO | eng |
dc.subject | Optimization | eng |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA ELETRICA | eng |
dc.title | Comparação de algoritmos de enxame de partículas para otimização de problemas em larga escala | eng |
dc.title.alternative | Comparison of particle swarm optimization algorithms for large scale problems | eng |
dc.type | Dissertação | eng |
Arquivos
Pacote Original
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:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 2.11 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: