Controlando população inicial de algoritmos genéticos para a otimização de funções

Denis Tavares da Silva, Carlos Henrique da Silva Santos

Resumo


O desenvolvimento de algoritmos inspirados na natureza têm sido bastante aplicados em problemas de engenharia, destacando-se aqui os que são do tipo como enxame de partículas. Este trabalho apresenta alguns resultados de desempenho de um subtipo baseado em enxame de abelhas, pois têm sido utilizados em diferentes problemas de engenharia e também no controle da geração de população de Algoritmos Genéticos. Assim, são apresentados resultados de desempenho desses algoritmos Bee Swarm (BS), comparando-os com os duas propostas de integração desses algoritmos, uma com o BS controlando a população inicial do GA e a outra em que o GA controla a população inicial do BS. Estando esta última versão entre os com melhores resultados nas buscas e retornando melhores resultados com menores custos computacionais.


Palavras-chave


Algoritmo Genético, Telecomunicações. Inteligência artificial.

Texto completo:

PDF

Referências


BOLAJI, ASAJU LA'ARO et al. Artificial bee colony algorithm, its variants and applications: A survey. Journal of Theoretical & Applied Information Technology, v. 47, n. 2, 2013.

BONABEAU, Eric et al. Swarm intelligence: from natural to artificial systems. Oxford university press, 1999.

DUARTE, Grasiele Regina et al. Um algoritmo inspirado em colônias de abelhas para otimização numérica com restrições. 2015.

GAO, Weifeng; LIU, Sanyang; HUANG, Lingling. A global best artificial bee colony algorithm for global optimization. Journal of Computational and Applied Mathematics, v. 236, n. 11, p. 2741-2753, 2012.

HANCER, Emrah; KARABOGA, Dervis. A comprehensive survey of traditional, merge-split and evolutionary approaches proposed for determination of cluster number. Swarm and Evolutionary Computation, v. 32, p. 49-67, 2017.

KARABOGA, Dervis et al. A comprehensive survey: artificial bee colony (ABC) algorithm and applications. Artificial Intelligence Review, v. 42, n. 1, p. 21-57, 2014.

KARABOGA, Dervis. An idea based on honey bee swarm for numerical optimization. Technical report-tr06, Erciyes university, engineering faculty, computer engineering department, 2005.

KARABOGA, Dervis; AKAY, Bahriye. A modified artificial bee colony (ABC) algorithm for constrained optimization problems. Applied soft computing, v. 11, n. 3, p. 3021-3031, 2011.

KARABOGA, Dervis; BASTURK, Bahriye. On the performance of artificial bee colony (ABC) algorithm. Applied soft computing, v. 8, n. 1, p. 687-697, 2008.

KUMAR, Dharmender; KUMAR, Balwant. Optimization of benchmark functions using artificial bee colony (ABC) algorithm. Optimization, v. 3, n. 10, p. 9-14, 2013.

QUAN, Haiyan; SHI, Xinling. On the analysis of performance of the improved artificial-bee-colony algorithm. In: Natural Computation, 2008. ICNC'08. Fourth International Conference on. IEEE, 2008. p. 654-658.

SANTOS, Carlos Henrique da Silva et al. Computação paralela aplicada a problemas eletromagneticos utilizando o metodo FDTD. 2005.

SILVA-SANTOS, Carlos Henrique da; HERNÁNDEZ-FIGUEROA, Hugo Enrique. Benchmarking Parallel Natural Algorithms for Telecommunications Devices Design. International Journal of Advanced Research in Computer Science, v. 4, n. 3, 2013.

XIANG, Wan-Li; AN, Mei-Qing. An efficient and robust artificial bee colony algorithm for numerical optimization. Computers & Operations Research, v. 40, n. 5, p. 1256-1265, 2013.

ZHU, Guopu; KWONG, Sam. Gbest-guided artificial bee colony algorithm for numerical function optimization. Applied mathematics and computation, v. 217, n. 7, p. 3166-3173, 2010.


Apontamentos

  • Não há apontamentos.


 

 

 

Revista Brasileira de Iniciação Científica, Itapetininga, SP, Brasil, ISSN: 2359-232X

 Licença Creative Commons Este obra está licenciado com uma Licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional.