Detalhes bibliográficos
| Ano de defesa: |
2016 |
| Autor(a) principal: |
Paiva, Fábio Augusto Procópio de |
| Orientador(a): |
Costa, José Alfredo Ferreira |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://repositorio.ufrn.br/jspui/handle/123456789/21795
|
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. |
