Notícias

A simplicidade, flexibilidade e facilidade de implementação motivou o uso de algoritmos metaheurísticos de optimização baseados em populações. Focando-se em dois destes algoritmos, optimização por exame de partículas (PSO) e no algoritmo Jaya, esta tese propõe explorar a capacidade destes algoritmos e respectivas variantes para resolver problemas de optimização de difícil resolução, em particular sistemas de equações não lineares convertidos em problemas de optimização não linear. Para que fosse possível fazer uma comparação numérica, os algoritmos e respectivas variantes foram implementados e testados várias vezes, de modo a que fosse obtida uma amostra suficientemente grande de resultados que pudesse ser usada para comparar as diferentes abordagens, assim como encontrar métodos que melhorem a eficácia e a eficiência dos algoritmos. Uma das abordagens exploradas foi a divisão do espaço de procura em vários subespaços, iterativamente correndo um algoritmo de optimização em cada subespaço, e comparar esses resultados a um grande aumento da população inicial, o que melhora a qualidade da solução, porém com um custo computacional acrescido. O conhecimento resultante dessas experiências foi utilizado na criação de uma nova abordagem hibrida para melhorar as capacidades dos algoritmos anteriores, a qual foi comparada a alternativas pré-existentes.