Um Procedimento Numérico para a Otimização Global Baseado em uma Representação da Solução

E.T. Bez, J.E. Souza de Cursi, M.B. Gonçalves

Abstract


Na Engenharia nos deparamos com diversas situações, onde a busca de uma solução gera a necessidade de resolução de problemas de otimização global consistindo em determinar o mínimo de uma função contínua f em um conjunto admissível S: x = ArgMinSf. Quando f é unimodal e S convexo, vários métodos estão disponíveis na literatura. Entretanto, no caso multimodal, a não convexidade do problema exige métodos mais robustos. Focamos nosso estudo no desenvolvimento de um método híbrido, composto por um algoritmo de tipo evolucionário, cuja população inicial é gerada por uma Fórmula de Representação, e utilizando um método do gradiente adicionado de perturbações aleatórias, em sua fase de mutação. Supomos dado um operador de projeção proj transformando pontos externos a S em pontos de S. Os resultados numéricos mostram que a utilização da Fórmula de Representação acelera significativamente o processo de busca.

References


[1] H.J.C. Barbosa, C.C. Lavor e F.M.P. Raupp, Computational Experiments with an adaptive genetic algorithm for global minimization of potential energy functions, Frontiers in Global Optimization, (C.A. Floudas and P.M. Pardalos Eds.), Kluwer Academic Publishers, Vol. 74, (2003), pp. 71-82.

E.T. Bez, M.B. Gonçalves e J.E. Souza de Cursi, Uso de um procedimento híbrido de otimização global na determinação dos parâmetros de um modelo gravitacional de oportunidades, por aparecer em “Proceedings do XIII PANAM”, Albany, Nova York, USA, 2004.

D.E. Goldberg, “Genetic Algorithms in Search, Optimization and Machine Learning”, Addison-Wesley Publishing Company, Inc., 1989.

M.B. Gonçalves e J.E. Souza de Cursi, Métodos robustos para a calibração de modelos de interação espacial em transportes, em “Anais do XI ANPET”, Vol. 2, pp. 303-313, 1997.

M.B. Gonçalves e J.E. Souza de Cursi, Parameter estimation in a trip distribution model by random perturbation of a descent method, Transportation Research B, 35 (2001), 137-161.

A.O. Griewank, Generalized descent for global optimization, Journal of optimization theory and applications, 34, No. 1 (1981), 11-39.

M. Pogu e J.E. Souza de Cursi, Global optimization by random perturbation of the gradient method with a fixed parameter, Journal of Global Optimization, 5 (1994), 159-180.

Y.H. Shi e R.C. Eberhart, Empirical study of particle swarm optimization, Congress on Evolutionary Computation, Washington DC, USA (1999) 1945-1950.

J.E. Souza de Cursi, Representation and numerical determination of the global optimizer of a continuous function on a bounded domain, Frontiers in Global Optimization, (C. A. Floudas and P. M. Pardalos, Eds.), Kluwer Academic Publishers, Vol. 74, (2003), pp. 517-540.




DOI: https://doi.org/10.5540/tema.2004.05.02.0185

Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM

Refbacks

  • There are currently no refbacks.



Trends in Computational and Applied Mathematics

A publication of the Brazilian Society of Applied and Computational Mathematics (SBMAC)

 

Indexed in:

                       

         

 

Desenvolvido por:

Logomarca da Lepidus Tecnologia