Please use this identifier to cite or link to this item: http://repositorio.ufpa.br:8080/jspui/handle/2011/11267
Full metadata record
DC FieldValueLanguage
dc.creatorYASOJIMA, Edson Koiti Kudo-
dc.date.accessioned2019-06-10T17:54:45Z-
dc.date.available2019-06-10T17:54:45Z-
dc.date.issued2019-04-26-
dc.identifier.citationYASOJIMA, Edson Koiti Kudo. Uso de algoritmo genético com operadores modificados para otimização de funções de variáveis reais. Orientador: João Paulo Abreu Vieira. 2019. 79 f. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11267. Acesso em:.pt_BR
dc.identifier.urihttp://repositorio.ufpa.br/jspui/handle/2011/11267-
dc.description.abstractand a novel statistic correlation mutation algorithm (CAM). Both ADX and CAM work with population information to improve existing individuals of the GA and increase the exploration potential via the correlation mutation. Solution-based methods offers good local improvement of already known solutions while lacking at exploring the whole search space, evolutionary algorithms provide better global search in exchange of exploitation power. Methods that increase the search potential are widely used for constrained optimization problems due to increased global and local search capabilities. The GA with the proposed operators improves results of constrained problems by balancing the exploitation and exploration potential of the algorithm. The conducted tests present average performance for various CEC’2015 benchmark problems, while offering good reliability and superior results on path planning problem for redundant manipulator and most of the constrained engineering design problems tested when compared with current works in the literature and classic optimization algorithms.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Parápt_BR
dc.rightsAcesso Abertopt_BR
dc.source1 CD-ROMpt_BR
dc.subjectAlgoritmo genéticopt_BR
dc.subjectOtimizaçãopt_BR
dc.subjectVariáveis reaispt_BR
dc.subjectProblemas de engenhariapt_BR
dc.subjectExploraçãopt_BR
dc.subjectIntensificaçãopt_BR
dc.titleUso de algoritmo genético com operadores modificados para otimização de funções de variáveis reaispt_BR
dc.title.alternativeUse of genetic algorithm with modified operators for optimization of real variable functionspt_BR
dc.typeTesept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Tecnologiapt_BR
dc.publisher.initialsUFPApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.contributor.advisor1OLIVEIRA, Roberto Célio Limão de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4497607460894318pt_BR
dc.contributor.advisor-co1TEIXEIRA, Otávio Noura-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/5784356232477760pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/6012943752452635pt_BR
dc.description.resumoEste trabalho apresenta um Algoritmo Genético que utiliza uma nova operação de crossover (ADX – Adjusted Crossover) e um novo método de mutação através do ajuste baseado em correlação (CAM – Correlation Adjustment Mutation). Ambos os operadores propostos são executados na população do AG, otimizando soluções já existentes (ADX) e aumentando o poder exploratório global do algoritmo através do ajuste correlacional (CAM). Heurísticas puramente baseadas em solução oferecem um bom nível de otimização local (intensificação), no entanto, possuem baixo nível de exploração global do espaço de busca. Por outro lado, algoritmo evolutivos oferecem capacidades exploratórias globais melhores. A partir deste pressuposto, os métodos que buscam o aumento de tais capacidades exploratórias são vastamente utilizados para otimização de problemas com restrições de variáveis, devido à utilização vantajosa do poder de busca das duas abordagens (baseado em solução e evolutivos). Os métodos propostos neste trabalho aumentaram o poder de exploração e intensificação do algoritmo genético utilizado. De acordo com os testes executados, o algoritmo genético com os operadores propostos apresentou resultados melhores para a maioria os problemas clássicos de engenharia quando comparados a outros métodos presentes na literatura. Além disso, obteve bons resultados em problemas de robótica e performance mediana quando utilizados com benchmarks propostos no evento CEC’2015.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subject.linhadepesquisaINTELIGÊNCIA COMPUTACIONALpt_BR
dc.subject.areadeconcentracaoCOMPUTAÇÃO APLICADApt_BR
Appears in Collections:Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Tese_UsoAlgoritmoGenetico.pdf2,08 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons