Redes imunológicas artificiais para otimização em espaços contínuos : uma proposta baseada em concentração de anticorpos / Artificial immune networks for real-parameter optimization : a concentration-based approach
AUTOR(ES)
Guilherme Palermo Coelho
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
01/04/2011
RESUMO
Meta-heurísticas baseadas no paradigma de Sistemas Imunológicos Artificiais (SIAs), especialmente aquelas inspiradas na teoria da Rede Imunológica, são reconhecidamente capazes de estimular a geração de conjuntos diversos de soluções para um dado problema, mesmo utilizando-se de mecanismos muito simples de controle da dinâmica da rede. Por outro lado, na literatura de SIAs há uma série de estudos que propõem modelos computacionais mais elaborados, geralmente baseados no conceito de concentração de anticorpos, que conseguem explicar melhor o comportamento dessas redes. Diante disso, neste trabalho é proposto um novo algoritmo imunoinspirado para otimização em espaços contínuos, denominado cob-aiNet (Concentration-based Artificial Immune Network), que emprega o conceito de concentração de anticorpos para promover um melhor controle da dinâmica da rede, permitindo assim obter uma melhor cobertura das regiões promissoras do espaço de busca. Esta propriedade da cob-aiNet foi verificada em uma série de análises experimentais, nas quais o algoritmo foi comparado a outras técnicas baseadas em paradigmas distintos, além de dois outros SIAs já propostos na literatura. Os experimentos mostraram que o algoritmo cob-aiNet, além de sua capacidade de manutenção de diversidade ao longo de toda a execução, é competitivo na aproximação do ótimo global dos problemas. Diante disso, também foi proposta neste trabalho uma extensão da cob-aiNet para tratar problemas de otimização multiobjetivo, denominada cob-aiNet[MO] (Concentration-based Artificial Immune Network for Multiobjective Optimization). Assim como um conjunto bem reduzido de propostas da literatura, a cob-aiNet[MO] é capaz de tratar problemas de otimização multiobjetivo que requerem uma manutenção adequada de diversidade também no espaço das variáveis de decisão, não apenas para superar as dificuldades introduzidas pela multimodalidade mas também para facilitar o processo de escolha a posteriori da solução que será efetivamente adotada na prática. Uma série de análises experimentais foram feitas com o algoritmo cob-aiNet[MO], sendo observado que esta ferramenta apresentou resultados superiores na maioria dos problemas, tanto em aproximação da fronteira de Pareto quanto em manutenção de diversidade.
ASSUNTO(S)
metaheuristica otimização diversidade algoritmos evolutivos imunologia - simulação por computador metaheuristic optimization diversity evolutionary algorithms immunology
ACESSO AO ARTIGO
http://libdigi.unicamp.br/document/?code=000795864Documentos Relacionados
- Otimização em ambientes dinâmicos com variáveis contínuas empregando algoritmos de estimação de distribuição
- Otimização de estruturas de materiais compósitos laminados, baseada em confiabilidade, utilizando algoritmos genéticos e redes neurais artificiais
- OtimizaÃÃo Global em Redes Neurais Artificiais
- Artificial neural networks to calculate stress concentration factors in welded tubular joints.
- Diagnóstico da camada física de redes Profibus DP baseado em redes neurais artificiais