Programa de Pós Graduação em Modelagem Matemática e Computacional - PPGMMC

URI Permanente desta comunidade

https://repositorio.cefetmg.br//handle/123456789/646

Navegar

Navegando Programa de Pós Graduação em Modelagem Matemática e Computacional - PPGMMC por Assunto "Algoritmos genéticos – Teses"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Framework adaptativo para hibridização de MaOEAs com busca local acelerada
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-09-16) Sousa, Regina Carla Lima Corrêa de; Wanner, Elizabeth Fialho; Vargas, Dênis Emanuel da Costa; http://lattes.cnpq.br/6717376475817937; http://lattes.cnpq.br/2243256075052322; http://lattes.cnpq.br/9176802291882281; Wanner, Elizabeth Fialho; Vargas, Dênis Emanuel da Costa; Takahashi, Ricardo Hiroshi Caldeira; Cruz, André Rodrigues da; Souza, Sérgio Ricardo de; Martins, Flávio Vinícius Cruzeiro
    Esta tese investiga a integração entre algoritmos evolutivos multi-objetivo (MOEAs) e métodos determinísticos de busca local, com o objetivo de desenvolver uma abordagem híbrida estruturada, adaptativa e generalizável para a otimização many-objective. As contribuições organizam-se em três eixos complementares. O primeiro consiste na proposição dos Perfis de Desempenho Ponderados, uma extensão dos perfis clássicos de Dolan e Moré que incorpora explicitamente a heterogeneidade dos problemas na avaliação comparativa de algoritmos, admitindo esquemas de ponderação definidos a priori, a partir de atributos estruturais, ou a posteriori, a partir de medidas empíricas de dificuldade obtidas durante a execução. O segundo eixo refere-se ao desenvolvimento de variantes aprimoradas do método BFGS para uso como mecanismo de intensificação local em subproblemas escalarizados. Uma variante acelerada (ACC-BFGS), que incorpora termos inerciais para aumentar a taxa de convergência, e uma variante acelerada-estocástica (STO-BFGS), que introduz perturbações controladas na direção de busca para ampliar a capacidade exploratória do método, ambas formuladas de modo a preservar a positividade definida das aproximações da Hessiana ao longo das iterações. O terceiro e principal eixo é a construção de um framework híbrido cujo elemento central é um critério adaptativo de ativação da busca local, fundamentado na análise da estabilidade temporal de indicadores de convergência e diversidade por meio de regressão linear em janelas deslizantes, condicionando a intensificação à detecção estatística de estagnação do processo evolutivo. O framework é compatível com estruturas baseadas em vetores de referência ou em decomposição, sendo avaliado em duas instâncias concretas, o H-NSGA-III e o H-MOEA-DD, nas quais a escalarização empregada na busca local é definida em coerência com o algoritmo base. A avaliação experimental abrange as suítes MaF e ZCAT, em cinco, oito, dez e quinze objetivos, e um conjunto de problemas do mundo real, com desempenho aferido pelos indicadores IGD+ e Iϵ+ ao longo de execuções independentes. Os resultados indicam que os benefícios da hibridização dependem da compatibilidade entre a estrutura do algoritmo evolutivo, a forma da escalarização e a geometria do fronte de Pareto, sendo o efeito mais recorrente a redução da variabilidade nos piores casos de desempenho, acompanhada, em grande parte dos cenários, de ganhos em eficiência global e na fração de vitórias. Os ganhos mais abrangentes foram observados nos problemas do mundo real, nos quais as versões híbridas apresentaram melhorias simultâneas em todos os indicadores analisados.