Carlos Eduardo Luz Riodades de Mendonça

Título

Um Sistema Computacional para Otimização Através de Algoritmos Genéticos e Redes Neurais

Orientador(es)

Nelson Francisco Favilla Ebecken e José Luis Drummond Alves

Resumo

Problemas de otimização em engenharia não raro incluem a necessidade de se realizar muitas simulações com programas seja para o cálculo da função objetivo seja para o cálculo de restrições. Estas simulações podem ter um tempo de execução expressivo. Dentre os diversos métodos de solução os algoritmos genéticos têm grande flexibilidade pois permitem exploração e explotação do espaço de busca.  Entre outros usos as redes neurais têm a capacidade de aproximar funções não lineares. Um sistema é desenvolvido para a otimização por algoritmos genéticos em ambientes paralelos do tipo cluster ou grid utilizando-se a biblioteca MPI. O sistema também possui ferramentas para a definição, treinamento e uso de redes neurais.  Uma estratégia híbrida paralela utilizando-se redes neurais treinadas com indivíduos retirados das populações do algoritmo genético é proposta.  A otimização da forma do casco de uma plataforma semi-submersível com o objetivo de minimizar movimentos é realizada utilizando-se a estratégia híbrida proposta.

Abstract

Problems of optimization in engineering frequently include the necessity of carrying through many simulations with computer programs either for calculation of the objective function either for calculation of restrictions. These simulations can have an expressive amount of execution time. Among diverse methods of solution genetic algorithms has great flexibility therefore allow exploration and exploitation of the search space. Among others uses neural networks have the capacity to approach nonlinear functions. A system is developed for genetic algorithms optimization in parallel environments like computers clusters or grids using the MPI library. The system also provides tools for creation, training and use of neural networks. A parallel hybrid strategy using neural networks trained with individuals from genetic algorithm populations is proposed. A semi-submersible platform hull shape optimization for motion minimization is carried out using the hybrid strategy proposed.