Um estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSouza, Joviana Sartori de-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9531837914512323-
Autor(es): dc.contributorTelles, Wagner Rambaldi-
Autor(es): dc.contributorOliveira, Fabrízzio Condé de-
Autor(es): dc.creatorGomes, Gabriela dos Santos-
Data de aceite: dc.date.accessioned2025-01-03T11:40:30Z-
Data de disponibilização: dc.date.available2025-01-03T11:40:30Z-
Data de envio: dc.date.issued2024-08-15-
Data de envio: dc.date.issued2024-08-15-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/34187-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/919559-
Descrição: dc.descriptionO presente trabalho apresenta o estudo do método de otimização heurístico Evolução Diferencial (do inglês Differential Evolution - DE) aplicado na minimização de funções não lineares. São propostas duas hibridizações entre o método heurístico DE e o método de busca direta Hooke-Jeeves (HJ), com o objetivo de inserir o método de busca padrão ao longo do método DE no intuito de combinar as técnicas para se obter melhores resultados. Os métodos híbridos propostos são Evolução Diferencial/Hooke-Jeeves1 (DE/HJ1), onde o método HJ é inserido para refinar o melhor indivíduo de cada iteração, e o método híbrido Evolução Diferencial/Hooke-Jeeves2 (DE/HJ2), no qual o método HJ é utilizado para melhorar a população inicial. Os métodos em análise são testados na minimização de funções não lineares já presentes na literatura com o intuito de verificar o desempenho dos métodos em análise na convergência das funções, na eficácia temporal e no número de iterações necessárias para a obtenção do mínimo global da função. Por fim, apresenta-se a análise dos resultados obtidos e compara-se o desempenho do DE em relação aos seus métodos híbridos DE/HJ1 e DE/HJ2, identificando o mais eficiente.-
Descrição: dc.descriptionThis work presents the study of the heuristic optimization method Evolution Differential (from the English Differential Evolution - DE) applied to the minimization of functions non-linear. Two hybridizations are proposed between the DE heuristic method and the Hooke-Jeeves (HJ) direct search method, with the aim of inserting the standard search method into the throughout the DE method in order to combine the techniques to obtain better results. The proposed hybrid methods are Differential Evolution/Hooke-Jeeves1 (DE/HJ1), where the HJ method is inserted to refine the best individual of each iteration, and the method hybrid Differential Evolution/Hooke-Jeeves2 (DE/HJ2), in which the HJ method is used to improve the initial population. The methods under analysis are tested on minimization of non-linear functions already present in the literature in order to verify the performance of the methods under analysis in the convergence of functions, temporal efficiency and number of iterations necessary to obtain the global minimum of the function. Finally, it presents the analysis of the results obtained and the performance of the DE in relation to its hybrid methods DE/HJ1 and DE/HJ2, identifying the most efficient.-
Descrição: dc.description34 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectOtimização-
Palavras-chave: dc.subjectEvolução Diferencial-
Palavras-chave: dc.subjectHooke-Jeeves-
Palavras-chave: dc.subjectFunções Não-lineares-
Palavras-chave: dc.subjectMinimizador Global-
Palavras-chave: dc.subjectOptimization-
Palavras-chave: dc.subjectDifferential Evolution-
Palavras-chave: dc.subjectHooke-Jeeves-
Palavras-chave: dc.subjectNonlinear Functions-
Palavras-chave: dc.subjectGlobal Minimizer-
Título: dc.titleUm estudo sobre uma abordagem híbrida baseada na computação natural para a resolução de funções não lineares-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.