Busca avançada
Ano de início
Entree

Uma meta-heurística com auto-construção de operadores para otimização contínua global: extensões e aplicações do algoritmo de otimização por esquadrão de drones

Processo: 17/20844-0
Modalidade de apoio:Auxílio à Pesquisa - Regular
Data de Início da vigência: 01 de março de 2018
Data de Término da vigência: 30 de novembro de 2018
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Vinícius Veloso de Melo
Beneficiário:Vinícius Veloso de Melo
Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
Pesquisadores associados:Alexandre Cláudio Botazzo Delbem
Assunto(s):Inteligência computacional  Meta-heurística  Otimização contínua  Otimização global 
Palavra(s)-Chave do Pesquisador:Hiperheurísticas | Metaheurísticas | Otimizacão continua | otimização global | Inteligência Computacional

Resumo

Diversas meta-heurísticas têm sido propostas para a resolução de vários tipos de problemas de otimização. Em geral, elas usam procedimentos modificadores de solução que combinam soluções correntes para gerar novas soluções e encontrar soluções cada vez melhores ao longo das iterações. Para melhorar o seu desempenho, pode-se desenvolver operadores mais eficientes ou adicionar estratégias para que as meta-heurísticas sejam adaptativas, alterando seu comportamento automaticamente durante o processo de otimização. Esse desenvolvimento exige criatividade e conhecimento de fundo do pesquisador para identificar alguma informação que possa melhorar o desempenho da meta-heurística e então inseri-la de alguma maneira que seja eficaz. Com técnicas hiper-heurísticas, é possível automatizar parte da criação de algoritmos, tirando do pesquisador a tarefa de encontrar essa melhoria por meio de tentativa e erro. Nesse sentido, foi criada uma técnica híbrida, denominada Otimização por Esquadrão de Drones, que emprega uma hiper-heurística para criar procedimentos modificadores durante o processo de otimização realizado pela meta-heurística (de maneira online), de modo que esta se torne autoadaptativa. Essa abordagem difere de outras da literatura que, em geral, trabalham de maneira offline (constróem um procedimento e avaliam seu desempenho em uma execução completa da meta-heurística) ou fazem seleção de procedimentos pré-codificados. Neste projeto, o proponente e os colaboradores (dentre eles, graduandos e docentes) estenderão a técnica para outras linhas de pesquisa (otimização memética e otimização com restrições) e as aplicarão em diversos outros problemas de otimização da literatura. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DE MELO, VINICIUS V.; LORENA, ANA C.; IEEE. Using Complexity Measures to Evolve Synthetic Classification Datasets. 2018 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., . (17/20844-0, 12/22608-8)