Video
Comparação de algoritmos meta-heurísticos para otimização
Autor
Oliveira, André Leonardo Torres de
Institución
Resumen
Iniciação Científica (graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia Civil. Durante a elaboração de projetos de engenharia, busca-se um projeto que seja seguro, econômico e ambientalmente viável. Por conta disso, há um processo de continua melhoria dos projetos propostos. De modo que, o projeto original é analisado, adaptado e reformulado diversas vezes durante toda fase de elaboração. Esta dinâmica, além de custar muito tempo, não garante que o design final seja o melhor. Com o advento da computação e a introdução dessa tecnologia na vida do engenheiro, o processo pôde ser executado com maior rapidez e avaliando um número maior de possíveis modificações. Com isso, uma grande quantidade de algoritmos surgiu a fim de superar a capacidade de seus antecessores na obtenção do ponto ótimo. Este trabalho propõe-se a analisar as capacidades de duas metodologias de comparação de desempenho aplicadas a três algoritmos - Search Group Algorithm, Firefly Algorithm e Enhanced Colliding Bodies Optimization. Para isso, as rotinas supracitadas são aplicadas na otimização de problemas benchmark de otimização e de estruturas treliçadas. Devido às propriedades estocásticas dos meta-heurísticos, uma das metodologias aplicadas para comparação das rotinas utiliza uma abordagem estatística e a outra, uma abordagem probabilística. Conclui-se da análise dos dados que a comparação estatística não fornece boas métricas de comparação entre algoritmos, devido ao seu caráter pouco conclusivo e à possibilidade de interpretação ambígua dos resultados. Por outro lado, a comparação probabilística fornece uma métrica mais objetiva, entretanto, apresenta uma faixa de valores na qual a confiabilidade dos dados decai, devido a impossibilidade de avaliação das influências estocásticas, característica dos meta-heurísticos. Após a comparação entre algoritmos, a metodologia probabilística é utilizada para avaliação da influência dos parâmetros internos no desempenho do algoritmo. Para isso, permitiu-se variações desses parâmetros em torno de valores estabelecidos na literatura.