Utilize este identificador para referenciar este registo: http://hdl.handle.net/1822/21

TítuloAlgoritmos evolucionários em optimização uni e multi-objectivo
Autor(es)Costa, L.
Data2003
Resumo(s)Nesta dissertação, as duas abordagens evolucionárias mais conhecidas e frequentemente aplicadas a problemas de optimização são consideradas: as Estratégias Evolutivas e os Algoritmos Genéticos. Estas abordagens apresentam como principal desvantagem tempos de computação elevados mas, por outro lado, exibem uma grande flexibilidade na modulação de problemas de engenharia. As vantagens e os inconvenientes de cada uma das abordagens para diferentes tipos de problemas de optimização foram investigadas, nomeadamente ao nível da representação do espaço das soluções e no tratamento das restrições. Usualmente, em engenharia, os problemas são formulados com um único objectivo, em geral, o custo. Contudo, podem existir outros objectivos que, quando considerados, transformam o problema em optimização multi-objectivo. Nesta classe de problemas, em geral, existem múltiplos objectivos conflituosos, que fazem com que exista um conjunto de soluções compromisso. As abordagens evolucionárias, ao trabalharem com populações de pontos, parecem ser úteis na resolução de problemas multi-objectivo mas, apesar do sucesso, o elitismo surgiu como uma forma eficiente de melhorar o desempenho em optimização multi-objectivo. Neste trabalho, um novo esquema de elitismo, através do qual é possível controlar o tamanho da população elitista, bem como a concentração de pontos eficientes do problema multi-objectivo, é introduzido. Uma vez que quase todas as abordagens evolucionárias para optimização multi-objectivo são baseadas em Algoritmos Genéticos e implementações baseadas em Estratégias Evolutivas são muito raras, uma nova abordagem, baseada em Estratégias Evolutivas, é proposta. Diversos mecanismos, como o elitismo, um esquema de sharing adaptativo e uma selecção geométrica, foram introduzidos no Multiobjective Elitist Evolution Strategy para melhorar o seu desempenho. Diversas aplicações de Algoritmos Evolucionários a problemas de engenharia foram realizadas. Em primeiro lugar, os Algoritmos Evolucionários foram aplicados a problemas de programação inteira mista não linear da área de engenharia química. Um Algoritmo Genético foi também aplicado ao problema de optimização de placas laminadas. Estes problemas de optimização de placas foram, numa primeira fase, formulados como problemas de programação inteira mista com restrições com uma única função objectivo. Numa segunda fase, as formulações multi-objectivo alternativas dos problemas foram também resolvidas. O algoritmo multi-objectivo desenvolvido foi comparado com outras abordagens evolucionárias para optimização multi-objectivo em diversos problemas teste, tendo-se verificado que o esquema elitista desenvolvido prova ser um bom compromisso entre o tempo computacional requerido e o tamanho da população elitista.
In this dissertation, the two best known evolutionary approaches and often applied to optimization problems are considered: the Evolution Strategies and the Genetic Algorithms. These approaches present as main disadvantage high computational times but, on the other hand, exhibit a great flexibility in modelling engineering problems. The advantages and the drawbacks of each approach to distinct kind of optimization problems are investigated, in particular, representation issues and constraint handling. Usually, in engineering, problems are formulated with a single objective, in general, the cost. However, other objectives might exist that, when considered, transform the problem in multi-objective optimization. In the latter class of problems, usually, there are multiple conflicting objectives, giving rise to a set of compromise solutions. The evolutionary approaches, population based, seem to be useful in tackling multi-objective problems. However, in spite of its success, elitism has emerged as an effective way of improving the performance of the multi-objective evolutionary algorithms. In this work, a new elitist scheme, by which it is possible to control the size of the elite population, as well as, the concentration of points approximating the efficient solutions of the multi-objective problem, is introduced. Almost all approaches to multi-objective optimization are based on Genetic Algorithms, and implementations based on Evolution Strategies are very rare. Thus, a new evolutionary approach to multi-objective optimization, based on Evolution Strategies, is proposed. Several mechanisms, like elitism, an adaptive sharing scheme and a geometric selection, have been introduced in the Multi-objective Elitist Evolution Strategy in order to improve the algorithm performance. Several applications of Evolutionary Algorithms to distinct engineering problems were implemented. Firstly, the Evolutionary Algorithms were applied to the global optimization of mixed integer non-linear problems of the area of chemical engineering. A Genetic Algorithm was also applied to laminated plate optimization problems. These optimization plate problems are firstly formulated as a constrained mixed-integer programming problem with a single objective function. The alternative multi-objective formulations of the problems were also solved. The proposed multi-objective algorithm was compared with other evolutionary multi-objective algorithms in several test problems. The new elitist scheme proves to lead to a good compromise between computational time and size of the elite population.
TipodoctoralThesis
URIhttp://hdl.handle.net/1822/21
AcessoopenAccess
Aparece nas coleções:BUM - Teses de Doutoramento
DPS - Teses de Doutoramento

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
ThesisLinoCosta.pdf2,24 MBAdobe PDFVer/Abrir

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu Currículo DeGóis