Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/349603
Type: Artigo
Title: Otimização multimodal baseada em clusterização
Author: Prampero, Paulo Sérgio
Boccato, Levy
Attux, Romis
Abstract: Neste trabalho, discutimos a ideia de formular o problema de otimização multimodal como uma tarefa de clusterização. A base dessa ideia é encarar a função a ser otimizada como uma densidade de probabilidade de dados fictícios e lançar mão de um algoritmo de agrupamento de dados para movimentar a população de soluções na direção de seus múltiplos picos, auxiliando o processo de busca desempenhado por uma metaheurística genérica. Sem perda de generalidade, optou-se aqui por realizar uma modificação do algoritmo k-means, à qual foi dado o nome de algoritmo k-means modificado. Para realizar uma análise sistemática do potencial da ideia, promoveu-se a combinação entre esse algoritmo e três métodos bio-inspirados de otimização destituídos de mecanismos específi cos de busca multimodal: um algoritmo genético padrão, um sistema imunológico artificial denominado CLONALG e uma implementação canônica de otimização baseada em enxames de partículas. As abordagens foram testadas no contexto de funções benchmark com características distintas, tendo sido avaliados fatores como desempenho e custo computacional. Dessa análise, chegou-se à conclusão de que o uso de ferramentas de agrupamento de dados pode contribuir significativamente para a realização eficiente de busca multimodal
metadata.dc.description.abstractalternative: In this work, we discuss the idea of formulating the multimodal optimization problem as a clustering task. The essence of this idea is to understand the function to be optimized as a probability density function associated with a set of fictitious data and to use a clustering algorithm to place the population of solutions around its multiple peaks, thereby aiding the search process carried out by a generic metaheuristic. Without loss of generality, a modified version of the k-means algorithm was chosen as standard tool in this work. In order to perform a systematic analysis of the idea, this tool was combined to three bio-inspired optimization methods devoid of inherent multimodal search mechanisms: a standard genetic algorithm, an artificial immune system called CLONALG and a canonical particle swarm approach. The methods were tested – in terms of performance and computational effort - with benchmark functions with different characteristics, and the ensuing analysis showed that the use of clustering tools can bring significant contributions to multimodal optimization strategies
Subject: Processamento de dados
Country: Brasil
Editor: Instituto Federal de Educação, Ciência e Tecnologia São Paulo (IFSP)
Rights: Aberto
Address: https://ojs.ifsp.edu.br/index.php/sinergia/issue/view/14
Date Issue: 2014
Appears in Collections:FEEC - Artigos e Outros Documentos

Files in This Item:
File Description SizeFormat 
SIN_152115120.pdf603.84 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.