Implementação Adaptativa de Variante do Algoritmo de Otimização Extrema Generalizada (GEO)

• Leonardo B. da Luz INPE http://orcid.org/0000-0003-2535-7658
• Fabiano L. de Sousa INPE
• Ronan A. J. Chagas INPE https://orcid.org/0000-0002-6205-4341

DOI: https://doi.org/10.5753/semish.2021.15832

Resumo

O GEO é um algoritmo evolutivo que recentemente teve uma versão adaptativa (A-GEO) desenvolvida. No presente trabalho, foi implementada e avaliada uma versão adaptativa para o algoritmo GEOvar, uma variante do GEO. Para tanto, foram testadas duas diferentes implementações para um conjunto de 5 funções. Uma dessas implementações mostrou resultados superiores em relação ao A-GEO.

Palavras-chave: metaheurísticas, algoritmos evolutivos, controle de parâmetros

Referências

Barroca E. (2019). A New Adaptive Evolutionary Algorithm For Design Optimization. Master’s thesis, Instituto Nacional de Pesquisas Espaciais (INPE), São Jose dos Campos, SP, Brazil.

Boettcher, S & Percus, A. (2001). Optimization with Extremal Dynamics. Physical review letters. 86. 5211-4. 10.1103/PhysRevLett.86.5211.

Črepinšek, M., Liu, S. H., & Mernik, M. (2013). Exploration and exploitation in evolutionary algorithms: A survey. ACM computing surveys (CSUR), 45(3), 1-33.

De Sousa, F. L., Ramos, F. M., Paglione, P., & Girardi, R. M. (2003). New stochastic algorithm for design optimization. AIAA journal, 41(9), 1808-1818.

De Sousa, F. L., Soeiro, F. J. C. P., Silva Neto, A. J., & Ramos, F. M. (2007). Application of the generalized extremal optimization algorithm to an inverse radiative transfer problem. Inverse Problems in Science and Engineering, 15(7), 699-714.

De Albuquerque, B. F. C., de Sousa, F. L., & Montes, A. S. (2016). Multi-objective approach for the automatic design of optical systems. Optics express, 24(6), 6619-6643.

Eiben, Á. E., Hinterding, R., & Michalewicz, Z. (1999). Parameter control in evolutionary algorithms. IEEE Transactions on evolutionary computation, 3(2), 124-141.

Freitas, V. L., de Sousa, F. L., & Macau, E. E. (2018). Reactive model for autonomous vehicles formation following a mobile reference. Applied Mathematical Modelling, 61, 167-180.

Galski, R. L. (2006). Desenvolvimento de versões aprimoradas híbridas, paralela e multiobjetivo do método da otimização extrema generalizada e sua aplicação no projeto de sistemas espaciais (Doctoral dissertation, PhD thesis, Instituto Nacional de Pesquisas Espaciais, São José dos Campos).

Galski, R. L., Patire Júnior, H., de Sousa, F. L., Hinckel, J. N., Lacava, P., & Ramos, F. M. (2011). GEO+ES Hybrid Optimization Algorithm Applied to the Parametric Thermal Model Estimation of a 200N Hydrazine Thruster. In International Design Engineering Technical Conferences and Computers and Information in Engineering Conference (Vol. 54792, pp. 407-414).

Greiner, D., Periaux, J., Quagliarella, D., Magalhaes-Mendes, J., & Galván, B. (2018). Evolutionary Algorithms and Metaheuristics: Applications in Engineering Design and Optimization. Mathematical Problems in Engineering, 2018, 1–4.

Mainenti-Lopes, I., Souza, L. C. G., & De Sousa, F. L. (2012). Design of a nonlinear controller for a rigid-flexible satellite using multi-objective Generalized Extremal Optimization with real codification. Shock and vibration, 19(5), 947-956.

Muraoka, I., Galski, R. L., De Sousa, F. L., & Ramos, F. M. (2006). Stochastic spacecraft thermal design optimization with low computational cost. Journal of Spacecraft and Rockets, 43(6), 1248-1257.

Srinivasan, D., & Seow, T. H. (2003). Particle swarm inspired evolutionary algorithm (PS-EA) for multiobjective optimization problems. In The 2003 Congress on Evolutionary Computation, 2003. CEC'03. (Vol. 4, pp. 2292-2297). IEEE.