PSOView: Simulador Web para o Algoritmo de Otimização Global Particle Swarm Optimization

• Ricardo Grunitzki Universidade do Estado de Santa Catarina
• Fernando dos Santos Universidade do Estado de Santa Catarina

DOI: https://doi.org/10.5753/sbsi.2013.5706

Resumo

Desde a criação do algoritmo particle swarm optimization, é notável o crescente número de publicações propondo diferentes configurações de parâmetros ou estratégias de implementação. Porém, há uma grande dificuldade em representar os efeitos de tais propostas durante o processo de otimização, já que as poucas ferramentas existentes não são flexíveis o bastante e requerem a instalação de recursos adicionais para executar. Este trabalho apresenta o desenvolvimento de um simulador web para o algoritmo de otimização global particle swarm optimization. Com o simulador pode-se acompanhar o comportamento do algoritmo nos principais problemas de otimização ou a partir de uma função qualquer definida pelo usuário.

Referências

Chap Links Library. (2008) Versão 1.2. Rotterdom, Holand: Almend BUNC. Disponível em: http://chap.almende.com. Acesso em: 05 out. 2012.

Del Valle, Y., Venayagamoorthy, G. K., Mohagheghi, S., Hernandez, J. C. e Harley, R. G. (2008) “Particle Swarm Optimization: Basic Concepts, Variants and Applications in Power Systems”. IEEE Transactions One Evolutionary Computational, v. 12, n. 2. Disponível em: <http://ieeexplore.ieee.org>. Acesso em: 20 jun. 2008.

Direct Web Remoting. (2012) Versão 3.1.rc1. Disponível em: <www.directwebremoting.org/dwr/index.html>. Acesso em: 25 out. 2012.

Graphing Calculator. (2012) Versão 3.0. Ben McCormick, Egor Poblaguev. Disponível em: <www.code.google.com/p/graphingcalculator>. Acesso em: 15 out. 2012.

Harrell, C. R.; Mott, J. R. A., Bateman, R.E., Bowden, R. G. e Gogg, T. J. (2002) “Simulação Otimizando os Sistemas”. ed. 1. São Paulo: IMAM e Belge Simulação.

Jiao, B., Lian, Z. e Gu, X. (2008) “A Dynamic Inertia Weight Particle Swarm Optimization Algorithm”. Chaos Solitons & Fractals. ed. 37. p.698-705. Disponível em: http://www.sciencedirect.com . Acesso em: 15 jan. 2011.

Kennedy, J., Eberhart, R. C. e Shi. Y. (2001) “Swarm Intelligence”. United States of America: Elsevier.

Prime Teknoloji (2012). Prime Faces User Guide. Versão 3.4. Disponível em: < http://primefaces.googlecode.com/files/primefaces_users_guide_3_4.pdf >. Acesso em: 11 jan. 2013.

Pso Visualization. (2004) Versão 1.0. Kent Fritch. Disponível em: <www.projectcomputing.com/resources/psovis>. Acesso em: 16 out. 2012.

Psovis: Modlab. (2005) Versão 1.0. [S.I.]. Disponível em: <www.gecco.org.chemie.unifrankfurt.de/PsoVis >. Acessado em: 16 out. 2012.

Poli, R., Kennedy, J. e Blackwell, T. (2007) “Particle Swarm Optimization: An overview”. Swarm Intelligence. v. 1. p. 33-57.

Rosenbrock, H. H. (1960) “An automatic method for finding the greatest or least value of a function”. The Computer Journal, p. 175-184.

Shi Y. e Eberhart R. (1998) “A modified particle swarm optimizer”. Proc. IEEE Int. Conf on Evolutionary Computation , p.69-73.

Shi, Y. (2004) “Particle Swarm Optimization”. Eletronic Data Systems, Inc. Kokomo, IN 46902, USA, IEEE Neural Networks Society.

Thomas, N. e Reed, M. (2009) A hybrid algorithm for continuous optimization. In IEEE Congress on Evolutionary Computation Trondheim. Anais… Trondheim: IEEE 2009, p. 2584-2589.

Van Den Bergh, F. e Engelbrecht, A. P. (2006) “A Study of Particle Swarm Optimization Particle Trajectories”. Information sciences ed. 176 p. 937-971. Disponível em: www.elsevier.com/locate/ins>. Acesso em: 15 set. 2011.

Zuben, F. J. V. e Attux, R. R. F. (2008) “Inteligência de Enxame”. São Paulo: Unicamp.