Allan Fonseca da Silva

Título


Análise de uma técnica de penalização adaptativa aplicada ao algoritmo de otimização por enxame de partículas

Orientador(es)


Beatriz de Souza Leite Pires de Lima
Afonso Celso de Castro Lemonge

Resumo


O uso de algoritmos evolutivos vem se expandindo ao longo dos anos, em especial a utilização da técnica de Enxame de Partículas conhecida como PSO (Particle Swarm Optimization), para a solução de problemas de otimização. O PSO, além de ser de fácil implementação computacional, pode ser considerado um algoritmo robusto, eficiente e competitivo perante os demais algoritmos populacionais inspirados na natureza. O PSO não necessita de funções objetivo que sejam deriváveis nem mesmo a introdução de conhecimentos específicos sobre os problemas em que se deseja otimizar. Neste trabalho, são analisados alguns problemas de otimização com restrições onde um PSO clássico os trata como sendo sem restrições através da introdução de um esquema de penalização adaptativa – APM (Adaptive Penalty Method). O APM trata restrições de igualdade e desigualdades; não
demanda o conhecimento explícito das restrições como funções das variáveis do problema; é livre de parâmetros a serem definidos pelo usuário e; é de fácil implementação computacional.

Abstract


The use of evolutionary algorithms has been expanding over the years, especially the use of the technique known as PSO (Particle  Swarm Optimization) to solve optimization problems. The PSO is easy to implement and  can be considered a robust, efficient and competitive with respect to other nature inspired algorithms. The PSO does not require objective functions that are derivable nor the  introduction of specific knowledge about the problems to be optimized. In this work we analyze some problems of optimization with constraints where a classic PSO treats them as being without limitation by introducing an adaptive penalty scheme - APM (Adaptive Penalty Method). The APM can handle equality and inequality constraints, does not demand the explicit knowledge of the constraints as functions of the variables of the problem, it is free of parameters to be defined by the user and is of aneasy computational implementation.

Print