METAHEURÍSTICA EMPÍRICA CONTÍNUA

O presente trabalho apresenta um novo algoritmo de otimização denominado Metaheurística Empírica Contínua (MEC). O que se propõe é a formulação de um mecanismo de exploração do espaço de busca de forma eficiente, com um baixo número de parâmetros para se ajustar, baixa dependência das condições iniciais e baixa dispersão dos resultados encontrados em diferentes execuções do algoritmo. A metaheurística proposta é populacional, ou seja, se baseia na iteração de indivíduos entre si, explorando o espaço de soluções através de avaliações da função objetivo. Para validação da MEC, a mesma é comparada com outras quatro metaheurísticas, reconhecidamente bem sucedidas, na otimização de funções matemáticas multimodais usualmente encontradas na avaliação de algoritmos de otimização. Através das comparações, o algoritmo proposto é analisado em termos de eficiência, robustez e precisão. Os resultados obtidos mostram que o mecanismo de busca aqui proposto confronta duas das principais limitações de técnicas metaheurísticas: o alto número de parâmetros e a alta variabilidade dos resultados produzidos.