Otimização Evolutiva Multiobjetivo: Implementação do Algoritmo SPEA2
Vol 4 2021 - 136621
Trabalho
Resumo
Estudo de otimização multiobjetivo usando algoritmos evolutivos, com ênfase no algoritmo SPEA2. Avaliação do desempenho do algoritmo baseado em testes de benchmark. Além disso, usamos essa técnica de otimização para projetar filtros digitais do tipo IIR.
Apoio/Financiamento da Pesquisa: PIBIC/CNPq
Instituições
- 1 Unicamp
Eixo Temático
- TECNOLÓGICAS
Palavras-chave
Computação Evolutiva
Otimização Multiobjetivo
Filtros Digitais IIR
Discussões Científicas de Qualidade
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
HUANG SHIHENG
Olá, obrigado pela correção. Vou responder as perguntas fora de ordem.
b) Eu escolhi todos os tamanhos constantes (como no trabalho original) e iguais a 100 por simplicidade, assim a fronteira final é composta por 100 pontos. O processo de perder soluções não-dominadas ocorre muito ao longo das iterações, mas elas são retiradas de acordo com a densidade, então o impacto seria menor. Eu nunca fiz testes deixando o tamanho do arquivo ilimitado, então não sei se a quantidade de soluções não-dominadas excede muito esse tamanho do arquivo durante a evolução da fronteira, para qualquer problema. Mas certamente isso ocorre quando as soluções se aproximam da fronteira ideal, esse número deve aumentar muito se o programa continuasse.
a) O algoritmo SPEA2 demorava muito mais que o do NSGA-II quando implementei no início. Pelo que me lembro, isso ocorria porque tinha muitas contas e “loops”, também tinha aquele procedimento demorado de retirar soluções excedentes do arquivo. Otimizei muito o código de SPEA2 depois, não fiz o mesmo com o NSGA-II. Parece que o número de "loops" necessários são bem próximos, mas não posso afirmar nada sem os testes.
c) Eu gostei muito de trabalhar com esses assuntos. Tenho interesse em fazer projetos relacionados se tiver outras oportunidades.
Matheus Bernardelli de Moraes
Olá Huang, bom dia. Essa análise de sensibilidade quanto ao tamanho do arquivo pode ser importante em futuros projetos, justamente para manter a diversidade da população e garantir uma distribuição mais uniforme das soluções. Deixar o tamanho do arquivo ilimitado pode sobrecarregar o processo, principalmente se você trabalhar com problemas multimodais (quando diferentes vetores de decisão possuem os mesmos valores de funções objetivo), mas o ideal é deixá-lo um pouco maior para abarcar outras soluções. Isso aumenta o custo computacional, mas ao mesmo tempo pode garantir um melhor desempenho. Mas ficou claro que você se preocupou com todos esses pontos, e isso é fundamental em um trabalho de iniciação científica. Meus parabéns novamente e te desejo sucesso na sua carreira profissional. Que você possa continuar desenvolvendo pesquisas de ponta nessa área!