English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Tese de Doutorado Nº 333: "UMA NOVA ABORDAGEM BASEADA EM ENXAMES DE PARTÍCULAS PARA OTIMIZAÇÃO DE MUITOS OBJETIVOS"

A aluna Elliackin Messias do Nascimento Figueiredo vai apresentar seu trabalho no dia 17 de fevereiro, às 9h, no Auditório do CIn-UFPE Início: 17/02/2017 às 09:00 Término: 17/02/2017 às 00:00 Local: Auditório do CIn

Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 333

Aluno: Elliackin Messias do Nascimento Figueiredo
Orientador: Profa. Teresa Bernarda Ludermir
Co-orientador: Prof. Carmelo José Albanez Bastos-Filho (Escola Politécnica/UPE)
Título: UMA NOVA ABORDAGEM BASEADA EM ENXAMES DE PARTÍCULAS PARA OTIMIZAÇÃO DE MUITOS OBJETIVOS
Data: 17/02/2017
Hora/Local: 09 horas –  Centro de Informática - Auditório
Banca Examinadora:
Prof. Aluizio Fausto Ribeiro Araujo (UFPE / Centro de Informática)
Prof. Fernando Buarque Lima Neto (UPE / Escola Politécnica)
Prof. Rafael Stubs Parpinelli (UDSC / Departamento de Ciência da Computação )
Prof. Danilo Ricardo Barbosa de Araujo (UFRPE / DEINFO)
Prof. Aurora Trinidad Ramirez Pozo (UFPR / Departamento de Informática)

RESUMO:

Problemas de Otimização de Muitos Objetivos (MaOPs) são uma classe especial de
problemas multiobjetivos que apresentam um número elevado de objetivos (geralmente mais de três). Algoritmos evolucionários ou de enxame de partículas tradicionais que são bem sucedidos na resolução de problemas multiobjetivos com dois ou três objetivos falham ao tentarem resolver MaOPs. Em virtude disso, alguns pesquisadores propuseram diferentes estratégias para contornar as dificuldades impostas por MaOPs. Grande parte dessas propostas se concentraram na criação ou modificação de Algoritmos Evolucionários Multiobjetivos (MOEAs) tradicionais para esses
problemas. Em contrapartida, muito pouco tem sido feito no sentido de adaptar algoritmos baseados em enxames de partículas. Não obstante, algoritmos baseados em enxames partículas são reconhecidos pela rápida velocidade de convergência em problemas com um único objetivo e por isso parecem ser também adequados para problemas multiobjetivos e com muitos objetivos.
Desta forma, existe a necessidade de se desenvolver algoritmos baseados em enxames de partículas para lidar com MaOPs. Sendo assim, o objetivo desta tese é desenvolver um algoritmo baseado em enxame de partículas para resolver MaOPs no sentido de promover um maior balanceamento entre convergência para Frente de Pareto e diversidade de soluções nesses problemas. Para isso, o algoritmo proposto usa um conjunto de pontos de referência para impor uma pressão de convergência para a Frente de Pareto enquanto permite um maior gerenciamento da diversidade. O algoritmo mantem um arquivo externo onde as soluções não-dominadas encontradas durante o processo de busca são armazenadas, e os líderes sociais são selecionados
desse arquivo de acordo com as informações de densidade e convergência das soluções nesse arquivo. Além disso, a proposta apresenta inovações como o uso de um mecanismo de seleção por torneio adaptativo em que o número de participantes do torneio é igual ao número de objetivos e o uso de sub-enxames para buscar por soluções próximas dos extremos da Frente de Pareto.
A proposta foi avaliada usando seis problemas da família DTLZ com dois, três, cinco, sete e dez objetivos e usando métricas bem estabelecidas na literatura para medir a convergência e diversidade do conjunto solução obtido pelo algoritmo; e ele foi comparado com duas abordagens baseadas em enxames (SMPSO e CDAS-SMPSO) e três abordagens evolucionárias (CEGA, MDFA, e NSGA-III) afim de mostrar suas vantagens e deficiências frente a outros algoritmos
bem estabelecidos na literatura da área. Os resultados mostraram que o algoritmo proposto foi bem sucedido em equilibrar convergência e diversidade nos problemas testados apresentando resultados equivalentes ou superiores ao NSGA-III que é uma das propostas mais bem sucedidas até o momento para lidar com problemas com muitos objetivos.

Palavras-chave: Otimização de Muitos Objetivos, Algoritmos Evolucionários, Enxame de Partículas
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web