Navegando por Autor "Fernandes, Islame Felipe da Costa"

Agora exibindo 1 - 8 de 8

Análise Experimental dos Algoritmos Exatos Aplicados ao Problema da Árvore Geradora Multiobjetivo
(Universidade Federal do Rio Grande do Norte, 2016-11-25) Fernandes, Islame Felipe da Costa; Goldbarg, Elizabeth Ferreira Gouvêa; Goldbarg, Elizabeth Ferreira Gouvêa; Goldbarg, Marco Cesar; Maia, Silvia Maria Diniz Monteiro
O Problema da Árvore Geradora Multiobjetivo (AGMO) é uma generalização do Problema da Árvore Geradora Mínima. Embora este último possua algoritmo polinomial que o solucione, o mesmo não acontece para sua generalização. Assim como sua versão mono-objetivo, o problema multiobjetivo possui inúmeras aplicações nas mais variadas áreas. Além disso, ele modela situações onde existe a ocorrência de objetivos conflitantes, o que é comum em situações reais. O problema da AGMO é classificado como NP-difícil e vem sendo intensamente explorado na literatura. Diversos algoritmos exatos foram propostos para o problema segundo diferentes técnicas. Alguns destes algoritmos foram analisados em trabalhos anteriores para problemas com 2 objetivos. Este trabalho complementa os trabalhos anteriores, apresentando uma análise dos algoritmos exatos existentes até o momento para o problema da AGMO. São reportados resultados de experimentos computacionais em grafos completos e grade com até 100 vértices para instâncias com 2 objetivos.
Aplicação do operador OWA com meta-heurísticas nos problemas da otimização de ângulo de feixe e da intensidade em IMRT
(Universidade Federal do Rio Grande do Norte, 2024-04-26) Cezario, Sidemar Fideles; Goldbarg, Elizabeth Ferreira Gouvea; http://lattes.cnpq.br/2888641121265608; https://orcid.org/0000-0001-9786-7134; http://lattes.cnpq.br/8487580946899407; Fernandes, Islame Felipe da Costa; Menezes, Matheus da Silva; Maia, Silvia Maria Diniz Monteiro; Souza, Thatiana Cunha Navarro de
A utilização da radioterapia no tratamento do câncer é de suma importância para o combater essa doença. O desafio reside em atingir a dose mínima prescrita para o tumor, ao mesmo tempo em que se evita a exposição dos órgãos saudáveis a níveis de radiação superiores aos limites permitidos. Um dos principais enfoques terapêuticos nesse campo é a teleterapia de intensidade modulada (IMRT). Esse trabalho se propôs a otimizar o Problema da Otimização de Ângulo de Feixe e a Otimização do Mapa de Fluências utilizando algoritmos meta-heurísticos. São apresentados três algoritmos: algoritmo genético, memético OWA-OMF e memético multimodelos. Todos são utilizados em combinação com modelos de programação matemática. Esses modelos incluem a utilização do operador Ordered Weighted Averaging (OWA). O memético multimodelos utiliza diferentes funções OWA para determinar o melhor mapa de fluência de uma solução. Os algoritmos foram comparados usando um novo indicador de qualidade composto por dois novos índices propostos neste trabalho. Testes estatísticos foram conduzidos para comparar a eficácia desses algoritmos, revelando a superioridade do algoritmo memético multimodelos sobre os demais. Com esses algoritmos, foi possível encontrar soluções clinicamente viáveis para a maioria das instâncias.
Hybridizing metaheuristics for multi-and many-objective problems in a multi-agent architecture
(Universidade Federal do Rio Grande do Norte, 2022-06-15) Fernandes, Islame Felipe da Costa; Goldbarg, Elizabeth Ferreira Gouvea; http://lattes.cnpq.br/2888641121265608; https://orcid.org/0000-0003-3534-8042; http://lattes.cnpq.br/0058216016593116; Goldbarg, Marco César; http://lattes.cnpq.br/1371199678541174; Delgado, Myriam Regattieri de Biase da Silva; Maia, Silvia Maria Diniz Monteiro; http://lattes.cnpq.br/1498104590221901; Souza, Thatiana Cunha Navarro de
Algoritmos híbridos combinam as melhores características de meta-heurísticas individuais. Eles têm se mostrado eficazes em encontrar soluções de boa qualidade para problemas de otimização multiobjetivo. Arquiteturas fornecem funcionalidades e recursos genéricos para a implementação de novos algoritmos híbridos capazes de resolver problemas arbitrários de otimização. Arquiteturas baseadas em conceitos de inteligência de agentes e sistemas multiagente, como aprendizado e cooperação, oferecem vários benefícios para a hibridização de meta-heurísticas. No entanto, a literatura carece de estudos sobre arquiteturas que exploram totalmente tais conceitos para hibridização multiobjetivo. Esta tese estuda uma arquitetura multiagente, chamada MO-MAHM, inspirada nos conceitos de Otimização por Nuvem de Partículas. Na MO-MAHM, partículas são agentes inteligentes que aprendem com suas experiências passadas e se movem no espaço de busca procurando por soluções de alta qualidade. A principal contribuição desta tese é estudar o potencial da MO-MAHM em hibridizar meta-heurísticas para resolver problemas de otimização combinatória com dois ou mais objetivos. Este trabalho investiga os benefícios de métodos de aprendizagem de máquina para suporte ao aprendizado dos agentes e propõe um novo operador de velocidade para mover os agentes no espaço de busca. O operador de velocidade proposto usa uma técnica de path-relinking e decompõe o espaço objetivo sem utilizar funções de agregação. Outra contribuição desta tese é uma extensa revisão das técnicas existentes de path-relinking multiobjetivo. Devido a uma carência com respeito a técnicas de path- relinking para múltiplos objetivos, esta tese apresenta um novo path-relinking baseado em decomposição, chamado MOPR/D. Experimentos abrangem três problemas de otimização combinatória de formulações distintas com até cinco funções objetivo: mochila binária multi-dimensional, alocação quadrática e árvore geradora. MO-MAHM é comparada com abordagens híbridas existentes, tais como algoritmos meméticos e hyper-heurísticas. Testes estatísticos mostram que a arquitetura apresenta resultados competitivos com respeito à qualidade dos conjuntos aproximativos e diversidade de soluções.
Investigação da adição de métodos de aprendizado e programação matemática em uma arquitetura de hibridização de meta-heurísticas para problemas de otimização com decisões em múltiplos níveis
(Universidade Federal do Rio Grande do Norte, 2023-08-02) Machado, Murilo Oliveira; Goldbarg, Elizabeth Ferreira Gouvea; http://lattes.cnpq.br/2888641121265608; Almeida, Carolina de Paula; Sabry, Gustavo de Araújo; Fernandes, Islame Felipe da Costa; Menezes, Matheus da Silva; Maia, Silvia Maria Diniz Monteiro; http://lattes.cnpq.br/1498104590221901
A hibridização de meta-heurísticas é um tópico que vem sendo estudado por diversos pesquisadores dado ao seu potencial de produzir heurísticas mais eficientes do que aquelas baseadas em uma única técnica. Tal hibridização, entretanto, não é uma tarefa fácil, uma vez que existem diversas maneiras de operacionalizá-la. A tarefa se torna ainda mais difícil quando existem três ou mais métodos meta-heurísticos a serem hibridizados ou quando se deseja adicionar métodos de Programação Matemática, construindo, assim, matheurísticas. Diversos métodos foram propostos para hibridizar meta-heurísticas, incluindo algumas técnicas que automatizam a hibridização, como é o caso de arquiteturas multi-agentes. Um pequeno número dessas arquiteturas se utiliza de técnicas de aprendizado e um número ainda mais restrito lida com matheurísticas. Este trabalho estende os recursos da Arquitetura Multiagentes para Hibridização de Meta-heurísticas incluindo técnicas de aprendizado e de Programação Matemática. A forma da aplicação das técnicas de aprendizado é inovadora contemplando a escolha feita pelos agentes de heurísticas a serem aplicadas em diferentes momentos da busca. Este trabalho propõe uma nova forma de hibridização hierárquica para problemas de Otimização Combinatória que possuem múltiplos níveis de decisão. As propostas algorítmicas são testadas no Caixeiro Viajante Alugador com Passageiros e no Problema de Cabeamento em Usinas Eólicas. Esses problemas pertencem à classe NP-difícil e exigem a tomada de decisão em mais de um nível. No caso do Caixeiro Viajante Alugador com Passageiros a tomada de decisão se dá em três níveis: rota, tipos de carros utilizados e atendimento de demanda por caronas. No caso do cabeamento em usinas eólicas são exigidas decisões do local de cabeamento e tipo de cabo a ser empregado em cada trecho. Os experimentos para o Caixeiro Viajante Alugador com Passageiros foram feitos para três classes de instâncias, em um total de noventa e nove casos de teste com tamanho variando de 4 a 80 cidades, 2 a 5 veículos e 10 a 240 pessoas demandando transporte. O Problema de Cabeamento em Usinas Eólicas foi alvo de experimentos que envolveram um conjunto de 200 instâncias. Essas instâncias são simulações de situações reais desenvolvidas em colaboração com especialistas da área. As abordagens propostas neste trabalho são comparadas a algoritmos do estado-da-arte para ambos os problemas.
Meta-heurísticas híbridas aplicadas ao problema da árvore geradora multiobjetivo
(2018-07-06) Fernandes, Islame Felipe da Costa; Goldbarg, Elizabeth Ferreira Gouvea; ; ; Goldbarg, Marco Cesar; ; Maia, Silvia Maria Diniz Monteiro; ; Souza, Thatiana Cunha Navarro de;
O Problema da Árvore Geradora Multiobjetivo (AGMO) é uma extensão NP-Difícil da Árvore Geradora Mínima (AGM). Devido à sua habilidade em modelar inúmeros problemas reais onde objetivos conitantes devem ser otimizados simultaneamente, a AGMO tem sido intensamente estudada na literatura e muitos algoritmos exatos e heurísticos lhe foram propostos. Além disso, nos últimos anos, pesquisas têm demonstrado considerável desempenho dos algoritmos que combinam estratégias de várias meta-heurísticas. Estes algoritmos são chamados híbridos e trabalhos anteriores os aplicaram com sucesso a vários problemas de otimização. Neste trabalho, cinco novos algoritmos híbridos são propostos para duas versões da AGMO: três para a versão bi-objetivo (AG-Bi) baseada em dominância de Pareto e dois para a versão com muitos objetivos baseada no operador de média ponderada ordenada (AG-OWA). Esta pesquisa hibridizou diversas abordagens meta-heurísticas com respeito a diferentes categorias de hibridização. Experimentos computacionais avaliaram as novas abordagens com base no tempo computacional e na qualidade das soluções encontradas. Os resultados foram comparados com o estado da arte.
Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes
(Universidade Federal do Rio Grande do Norte, 2023-02-13) Oliveira, Samuel da Silva; Carvalho, Bruno Motta de; Kreutz, Márcio Eduardo; http://lattes.cnpq.br/6374279398246756; http://lattes.cnpq.br/0330924133337698; https://orcid.org/0000-0002-0104-0704; http://lattes.cnpq.br/8120721917914721; Angeles, Edgar Garduno; Fernandes, Islame Felipe da Costa; Maia, Silvia Maria Diniz Monteiro
History Matching é um processo muito importante usado no manejo de produção de óleo e gás, já que tem como objetivo ajustar um modelo de reservatório até que reproduza aproximadamente o comportamento prévio de um reservatório real, podendo assim ser utilizado para prever produção futura. Este trabalho propõe a utilização de um método iterativo, chamado de superiorização, para otimização com restrições de um modelo de produção de um reservatório. O método de superiorização é uma abordagem de otimização biobjetivo, onde o primeiro objetivo é o resultado de produção e o segundo a suavidade por partes do reservatório. O segungo critério busca otimizar seu funcional sem que afete negativamente a otimização do primeiro critério. O método de superiorização é utilizado em conjunto com algum algoritmo iterativo. Em nosso trabalho, usamos o algoritmo de busca tabu em conjunto com a superiorização. Como abordagem comparativa para esses algoritmos, foi desenvolvido um algoritmo genético não superiorizado, dado que essa técnica é amplamente utilizada na literatura na resolução de history matching. Também foram realizados testes com a busca tabu não superiorizada, a fim de observar quanto o algoritmo superiorizado difere dos demais. Ambas as técnicas são iterativas e usam abordagens populacionais. Como o problema abordado é um problema inverso que geralmente é severamente subdeterminado, várias soluções possíveis podem existir para sua resolução. Devido a isso, nós também propomos a utilização de dados sísmicos dos reservatórios, para que através desses dados, se possa verificar as falhas presentes no reservatório. Desse modo, podemos usar valores de suavidade por partes, para então diminuir a quantidade de resultados possíveis através de uma regularização utilizando o segundo critério de otimização da versão superiorizada do algoritmo de busca tabu. Outro fator crítico no processo de history matching é o tempo de simulação, que é geralmente alto. Assim, também propomos investigar o uso de paralelismo da solução, utilizando CPU. Os experimentos são realizados em um modelo de reservatório 3D, buscando encontrar correspondência para os valores de prodição de gás, óleo e água. Os resultados obtidos durante a pesquisa mostram que a abordagem paralela diminui o tempo de execução em até 70%. Com a utilização de testes estatísticos, podemos afirmar que quanto a precisão do resultado, a abordagem genética obteve valores médios melhores, no entanto, a busca tabu juntamente com o método de superiorização mostraram resultados similares, porém mais estáveis, uma vez que os resultados desse algoritmo tem menos variações.
O problema do caixeiro viajante com múltiplos passageiros, bônus opcionais, quota e tempo
(Universidade Federal do Rio Grande do Norte, 2022-11-23) Carvalho, Allan Vilar de; Goldbarg, Elizabeth Ferreira Gouvea; http://lattes.cnpq.br/2888641121265608; http://lattes.cnpq.br/1940984438214856; Maia, Silvia Maria Diniz Monteiro; http://lattes.cnpq.br/1498104590221901; Fernandes, Islame Felipe da Costa; Goldbarg, Marco Cesar; Menezes, Matheus da Silva
O trabalho apresenta o Problema do Caixeiro Viajante com Múltiplos Passageiros, Bônus Opcionais, Quota e Tempo. O problema tem o objetivo de maximizar o lucro de um caixeiro viajante que além de transportar mercadorias pode transportar passageiros para ratear as suas despesas de rota. As mercadorias e os passageiros devem ser transportados obrigatoriamente das suas origens para os seus destinos. As mercadorias transportadas requerem tempo de carregamento e descarregamento e devem contabilizar uma quota mínima definida a priori. O caixeiro também decide se transporta ou não uma mercadoria ou um passageiro quando visita uma localidade. O trabalho descreve o problema, relacionando-o com outros problemas e o formaliza matematicamente. São propostos um modelo de programação matemática não linear, dois algoritmos heurísticos e treze algoritmos meta-heurísticos. As heurísticas desenvolvidas seguiram as meta-heurísticas ACO, GRASP e Transgenético. Para isso, foram criados dois conjuntos de instâncias de teste, um experimento computacional que compara e valida algoritmos propostos são apresentados.
A PSO-inspired architecture to hybridise multi-objective metaheuristics
(Springer, 2020-06-22) Fernandes, Islame Felipe da Costa; Silva, Igor Rosberg de Medeiros; Goldbarg, Elizabeth Ferreira Gouvea; Maia, Silvia Maria Diniz Monteiro; Goldbarg, Marco César
Hybridisation is a technique that exploits and unites the best features of individual algorithms. The literature includes several hybridisation methodologies, among which there are general procedures, termed architectures, that provide generic functionalities and features for solving optimisation problems. Successful hybridisation methodologies have applied concepts of the multi-agent paradigm, such as cooperation and agent intelligence. However, there is still a lack concerning architectures for the hybridisation of multi-objective metaheuristics that fully explore these concepts. This study proposes a new architecture, named MO-MAHM, based on concepts from Particle Swarm Optimisation, to hybridise multi-objective metaheuristics. We apply the MO-MAHM to the Bi-objective Spanning Tree Problem. Four algorithms were hybridised within the MO-MAHM: three evolutionary algorithms and a local search method. We report the results of experiments with 180 instances, analyse the behaviour of the MO-MAHM, and compare to the results produced by algorithms proposed for the Bi-objective Spanning Tree Problem

SIGAA

Navegando por Autor "Fernandes, Islame Felipe da Costa"