Use este identificador para citar ou linkar para este item: https://repositorio.ufrn.br/jspui/handle/123456789/21795
Título: Estudo do conceito de serendipidade como base para novas abordagens ao problema da convergência prematura
Autor(es): Paiva, Fábio Augusto Procópio de
Palavras-chave: PSO;SBPSO;Serendipidade;Partículas escoteiras;Convergência prematura
Data do documento: 1-Jul-2016
Citação: PAIVA, Fábio Augusto Procópio de. Estudo do conceito de serendipidade como base para novas abordagens ao problema da convergência prematura. 2016. 110f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2016.
Resumo: IN the literature, it is common to find many engineering problems which are used to present the effectiveness of the optimization algorithms. Several methods of Bio-Inspired Computing have been proposed as a solution in different contexts of engineering problems. Among these methods, there is a class of algorithms known as Swarm Intelligence. Despite the relative success, most of these algorithms faces a common problem known as premature convergence. It occurs when a swarm loses its ability to generate diversity and consequently converges to a suboptimal solution prematurely. There are several approaches proposed to solve this problem. This doctoral thesis proposes a new approach based on a concept called serendipity. It is usually applied in the field of Recommender Systems. To validate the feasibility of adapting this concept to the new context, a variant called Serendipity-Based Particle Swarm Optimization (SBPSO) has been implemented considering two dimensions of serendipity: chance and sagacity. To evaluate the presented proposal, two sets of computer experiments were performed. Sixteen reference functions which are common in the evaluation of optimization algorithms were used. In the first set of experiments, four functions were used to compare SBPSO to Particle Swarmoptimization (PSO) and some literature variants. In the second ones, twelve other functions were used, but for high dimensionality and a larger number of evaluations of the objective function. In all experiments, the results of the SBPSO were promising and presented a good convergence behaviour with regard to: a) quality of the solution, b) ability to find the global optimum, c) stability of solutions and d) ability to resume the swarmmovement after stagnation has been detected.
metadata.dc.description.resumo: Em muitos problemas de engenharia, é comum o estudo de um tipo de processo que se comporta, via de regra, como um sistema dinâmico. Esse tipo de sistema possui a peculiaridade de poder ser modelado por meio de um conjunto de equações que evolui ao longo do tempo para representar o comportamento modelado do sistema. Para resolver esses problemas de engenharia, diversos métodos de Computação Bio-inspirada vêm sendo propostos como solução em diferentes contextos. Entre esses métodos, está uma categoria de algoritmos conhecida como Inteligência de Enxames. Apesar do relativo sucesso, a maioria dos métodos bio-inspirados enfrenta um problema muito comum conhecido como convergência prematura. A convergência prematura ocorre quando um enxame (ou uma população) perde a sua capacidade de gerar diversidade e, como consequência, converge para uma solução sub-ótima, prematuramente. Na literatura, existem diversas abordagens que se propõem a resolver esse problema. Esta tese propõe uma nova abordagem que é baseada em um conceito chamado serendipidade que, normalmente, é aplicado no domínio dos Sistemas de Recomendação. Para avaliar a viabilidade da adaptação desse conceito ao novo contexto, uma variante chamada Serendipity-Based Particle Swarm Optimization (SBPSO) foi implementada e, posteriormente, comparada com a Particle Swarm Optimization (PSO) padrão e algumas variantes apresentadas na literatura. Para realizar os diversos experimentos computacionais, foram utilizadas 16 funções de benchmark bastante comuns. Em todos os experimentos, os resultados da SBPSO se mostraram promissores e apresentaram um bom comportamento de convergência, superando a PSO padrão e as variantes estudadas no que diz respeito à qualidade da solução, à capacidade de encontrar o ótimo global, à estabilidade das soluções e à capacidade de reiniciar o movimento do enxame após a estagnação ter sido detectada.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/21795
Aparece nas coleções:PPGEE - Doutorado em Engenharia Elétrica e de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
FabioAugustoProcopioDePaiva_TESE.pdf11,57 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.