| dc.contributor | Costa, Jos? Alfredo Ferreira | |
| dc.contributor | http://lattes.cnpq.br/9745845064013172 | |
| dc.contributor | Silva, Cl?udio Rodrigues Muniz | |
| dc.contributor | http://lattes.cnpq.br/6968371254983355 | |
| dc.contributor | Costa, Jos? Alfredo Ferreira Costa | |
| dc.contributor | Silva, Cl?udio Rodrigues Muniz da Silva | |
| dc.contributor | Bastos Filho, Carmelo Jos? Albanez | |
| dc.contributor | Souza, Givanaldo Rocha de | |
| dc.contributor | Mattozo, Te?filo C?mara | |
| dc.creator | Paiva, F?bio Augusto Proc?pio de | |
| dc.date | 2020-04-08T19:16:24Z | |
| dc.date | 2020-04-08T19:16:24Z | |
| dc.date | 2017-07-01 | |
| dc.date.accessioned | 2023-09-27T14:20:02Z | |
| dc.date.available | 2023-09-27T14:20:02Z | |
| dc.identifier | PAIVA, F?bio Augusto Proc?pio de. Estudo do conceito de serendipidade como base para novas abordagens ao problema da converg?ncia prematura. 2016. 106f. Tese (Doutorado em Ci?ncias)- Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica e de Computa??o, Natal, 2016. | |
| dc.identifier | http://memoria.ifrn.edu.br/handle/1044/1791 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8920960 | |
| dc.description | In the literature, it is common to find many engineering problems which are used to present the
effectiveness of the optimization algorithms. Several methods of Bio-Inspired Computing have
been proposed as a solution in different contexts of engineering problems. Among these methods,
there is a class of algorithms known as Swarm Intelligence. Despite the relative success, most of
these algorithms faces a common problem known as premature convergence. It occurs when a
swarm loses its ability to generate diversity and consequently converges to a suboptimal solution
prematurely. There are several approaches proposed to solve this problem. This doctoral thesis
proposes a new approach based on a concept called serendipity. It is usually applied in the field
of Recommender Systems. To validate the feasibility of adapting this concept to the new context,
a variant called Serendipity-Based Particle Swarm Optimization (SBPSO) has been implemented
considering two dimensions of serendipity: chance and sagacity. To evaluate the presented proposal,
two sets of computer experiments were performed. Sixteen reference functions which are
common in the evaluation of optimization algorithms were used. In the first set of experiments,
four functions were used to compare SBPSO to Particle Swarmoptimization (PSO) and some literature variants. In the second ones, twelve other functions were used, but for high dimensionality
and a larger number of evaluations of the objective function. In all experiments, the results of the
SBPSO were promising and presented a good convergence behaviour with regard to: a) quality of
the solution, b) ability to find the global optimum, c) stability of solutions and d) ability to resume
the swarmmovement after stagnation has been detected. | |
| dc.description | Na literatura, ? comum encontrar diversos problemas de engenharia que s?o usados com o objetivo de mostrar a efic?cia dos algoritmos de otimiza??o. V?rios m?todos de Computa??o Bio-inspirada v?m sendo propostos como solu??o em diferentes contextos dos problemas de engenharia. Entre esses m?todos, h? uma categoria de algoritmos conhecida como Intelig?ncia de Enxames. Apesar do relativo sucesso, a maioria desses algoritmos enfrenta um problema muito comum, conhecido como converg?ncia prematura. Ela ocorre quando um enxame perde a sua capacidade de gerar diversidade e, como consequ?ncia, converge para uma solu??o sub?tima, prematuramente. Existem diversas abordagens que se prop?em a resolver esse problema. Esta tese prop?e uma nova abordagem baseada em um conceito chamado serendipidade, que
normalmente ? aplicado no dom?nio dos Sistemas de Recomenda??o. Para avaliar a viabilidade da adapta??o desse conceito ao novo contexto, uma variante chamada Serendipity-Based Particle Swarm Optimization (SBPSO) foi implementada considerando duas dimens?es da serendipidade: acaso e sagacidade. Para avaliar a proposta apresentada, dois conjuntos de experimentos computacionais foram realizados. Para isso, dezesseis fun??es de refer?ncia, que s?o bastante comuns na avalia??o de algoritmos de otimiza??o, foram utilizadas. No primeiro conjunto de experimentos,
quatro fun??es foram usadas para comparar SBPSO com a Particle Swarm Optimization (PSO) e algumas variantes da literatura. No segundo, outras doze fun??es foramutilizadas, por?m em alta dimensionalidade e com um n?mero maior de avalia??es da fun??o objetivo. Em todos os experimentos realizados, os resultados da SBPSO se mostraram promissores e apresentaram um bom comportamento de converg?ncia no que diz respeito ? a) qualidade da solu??o, b) capacidade de
encontrar o ?timo global, c) estabilidade das solu??es e d) capacidade de retomar o movimento do enxame ap?s a estagna??o ter sido detectada. | |
| dc.language | por | |
| dc.publisher | Instituto Federal de Educa??o, Ci?ncia e Tecnologia do Rio Grande do Norte | |
| dc.publisher | Brasil | |
| dc.publisher | Parnamirim | |
| dc.publisher | Outro | |
| dc.publisher | Programa de P?s-Gradua??o em Engenharia El?trica e de Computa??o | |
| dc.publisher | Outro | |
| dc.publisher | IFRN | |
| dc.rights | Acesso Aberto | |
| dc.subject | PSO | |
| dc.subject | SBPSO | |
| dc.subject | Serendipidade | |
| dc.subject | Part?culas escoteiras | |
| dc.subject | Converg?ncia prematura | |
| dc.subject | Particle Swarm Optimization | |
| dc.subject | SerendipityBased Particle Swarm Optimization | |
| dc.subject | Engenharias | |
| dc.title | Estudo do conceito de serendipidade como base para novas abordagens ao problema da converg?ncia prematura | |
| dc.type | Tese | |
