
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Ramirez Pozo, Aurora Trinidad, 1959- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática | - |
| Autor(es): dc.creator | Carvalho, André Britto de | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T10:58:33Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T10:58:33Z | - |
| Data de envio: dc.date.issued | 2024-10-31 | - |
| Data de envio: dc.date.issued | 2024-10-31 | - |
| Data de envio: dc.date.issued | 2013 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/30068 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/30068 | - |
| Descrição: dc.description | Orientadora: Profa. Dra. Aurora Trinidad Ramirez Pozo | - |
| Descrição: dc.description | Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Pós-Graduação em Informática. Defesa: Curitiba, 14/03/2013 | - |
| Descrição: dc.description | Bibliografia: fls.206-218 | - |
| Descrição: dc.description | Resumo: Problemas de otimização multiobjetivo possuem mais de uma função objetivo que estão em conflito. Devido a essa característica, nao existe somente uma melhor soluçao, mas sim um conjunto com as melhores soluções do problema, definidas pelos conceitos da teoria da Otimalidade de Pareto. Algoritmos Evolucionarios Multiobjetivo sao aplicados com sucesso em diversos Problemas de Otimizacão Multiobjetivo. Dentre esses algoritmos, os baseados na Otimizaçao por Nuvem de Partículas Multiobjetivo (MOPSO) apresentam bons resultados para problemas multiobjetivo e se destacam por possuirem características específicas, como a cooperaçao entre as partículas da populacao. Porem, quando o numero de funcoes objetivo cresce, os algoritmos evolucionários multiobjetivo baseados em dominancia de Pareto encontram algumas dificuldades em definir quais sao as melhores solucoes e nao efetuam uma busca que converge para as soluçães ótimas do problema. A Otimizaçao com muitos objetivos e uma area nova que visa propor novos metodos para reduzir a deterioracao da busca desses algoritmos em problemas de otimizacão com muitos objetivos (problemas com mais de três funcoes objetivo). Assim, motivado por esse campo de pesquisa ainda em aberto e pelo fato da meta-heurística MOPSO ser pouco utilizada na Otimizaçao com Muitos Objetivos, este trabalho de doutorado contribuí com a proposta de novas metodos e algoritmos que buscam explorar três diferentes aspectos da Otimizacao por Nuvem de Partículas Multiobjetivo: uso de novas relacoes de preferencias, metodos de arquivamento e algoritmos MOPSO com multiplos enxames. Neste estudo, íe feita uma aníalise empírica que utiliza um conjunto de indicadores de qualidade e problemas de benchmark com o intuito de analisar aspectos como convergencia e diversidade da busca dos algoritmos utilizados. Por fim, esta tese traca os principais caminhos que serãao seguidos nos trabalhos futuros. | - |
| Descrição: dc.description | Abstract: Multiobjective Optimization Problems have more than one objective function that are often in conflict. Therefore, there is no single best solution, but a set of the best solutions defined by the concepts of Pareto Optimality theory. Multiobjective Evolutionary Algorithms are applied successfully in several Multiobjective Optimization Problems. Among these algorithms, we highlight those based on Multiobjective Particle Swarm Optimization (MOPSO), since they have good results for multiobjective problems and exhibit unique characteristics such as cooperation among individuals of the population. However, Multi- Objective Evolutionary Algorithms scale poorly when the number of objectives increases. Many-Objective Optimization Problems are problems that have more than three objective functions. Many-Objective Optimization is a new area, which aims to propose new methods to reduce the deterioration of these algorithms. Thus, motivated by this research field still open and the fact that MOPSO algorithms are still underused in Many-Objective Optimization, this work aims to propose new methods for MOPSO metaheuristic applied to this context. The main contribution of this PhD work is the proposal of new methods and algorithms that seek to explore three different aspects of MOPSO metaheuristic: the use of new preference relations, exploring methods of archiving and exploring multi-swarm algorithms. Another important feature presented in this thesis are the empirical analyzes used to validate all new techniques. In this study, we use a set of quality indicators and benchmark problems in order to analyze aspects such as convergence and diversity of the search. Finally, this thesis outlines the main paths that will be followed in future work. | - |
| Formato: dc.format | 218f. : il., grafs., tabs. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Relação: dc.relation | Disponível em formato digital | - |
| Palavras-chave: dc.subject | Algorítmos | - |
| Palavras-chave: dc.subject | Algorítmos genéticos | - |
| Palavras-chave: dc.subject | Otimização combinatoria | - |
| Palavras-chave: dc.subject | Ciência da Computação | - |
| Título: dc.title | Novas estratégias para otimização por nuvem de partículas aplicadas a problemas com muitos objetivos | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: