Desenvolvimento de versões aprimoradas híbridas, paralela e multiobjetivo do método da otimização extrema generalizada e sua aplicação no projeto de sistemas espaciais / Development of improved, hybrid, parallel and multiobjective versions of the generalized extremal optimization method and its application to the design of spatial systems

AUTOR(ES)
DATA DE PUBLICAÇÃO

2006

RESUMO

Em De Sousa (2002), o algoritmo GEO Generalized Extremal Optimization foi desenvolvido. O GEO é uma generalização que estendeu a aplicabilidade da meta-heurística EO Extremal Optimization (Boettcher e Percus, 2001) virtualmente a qualquer problema de otimização. O GEO, assim como o EO inspira-se no modelo simplificado do processo evolutivo desenvolvido por Bak e Sneppen (1993). Como acontece com qualquer método novo, uma quantidade significativa de estudo deve ser efetuada, de modo a desenvolver o potencial presente no método original. Esta Tese de Doutorado tem como principal objetivo explorar as potencialidades do GEO, aprofundar os estudos do mesmo visando obter versões mais eficientes e, ao mesmo tempo, preocupando-se em expandir sua aplicabilidade. Dentro desse contexto, é efetuado o desenvolvimento de uma versão paralelizada do algoritmo GEO, denominada GEOPAR-1 e a análise de seu desempenho. Almeja-se, com isso, comprovar a eficiência do GEO como algoritmo e permitir sua aplicação no projeto otimizado de sistemas espaciais complexos onde o alto desempenho computacional é uma necessidade. Atualmente, é comum o emprego de técnicas de hibridização, para melhorar as características dos algoritmos de otimização. Nesta Tese, tais técnicas são utilizadas no desenvolvimento de versões hibridizadas do algoritmo GEO, onde se buscou incorporar ao mesmo características presentes em outros algoritmos de modo a aumentar sua eficiência quando aplicado a problemas em geral ou, ao menos, aumentar sua eficiência em aplicações específicas. Um outro campo de estudo é o da otimização multiobjetivo. Neste campo, um dos resultados dos estudos efetuados é o desenvolvimento de um novo algoritmo de otimização multiobjetivo, chamado M-GEO. A fim de avaliar seu desempenho, todos os algoritmos desenvolvidos nesta Tese são testados com diversas funções teste comuns na literatura da área. Além disso, a fim de comprovar a real capacidade de otimização das versões desenvolvidas, algumas são utilizadas para a otimização de sistemas espaciais reais: o projeto térmico dos radiadores da Plataforma Multimissão (PMM) do INPE e a obtenção da configuração de uma constelação de satélites de sensoriamento remoto.

ASSUNTO(S)

computer science optimization projeto parallelization programação não linear otimização computaÇÃo aplicada project multiobjective optimization nonlinear programming paralelização otimização multiobjetivo

ACESSO AO ARTIGO

Documentos Relacionados