Um algoritmo de otimização por nuvem de partículas para resolução de problemas combinatórios
Resumo
Resumo: O Particle Swarm Optimization (PSO) pertence a uma classe de algoritmos inspirados em comportamentos sociais naturais inteligentes, chamada Swarm Intelligence (SI). O algoritmo PSO tem sido aplicado com sucesso na resolução de problemas de otimização contínua, no entanto, o seu potencial em problemas discretos não foi suficientemente explorado. Trabalhos recentes têm proposto a implementação de PSO usando algoritmos de busca local e Path relinking com resultados promissores. Este trabalho tem como objetivo apresentar um algoritmo PSO como um meta-modelo que utiliza internamente busca local e Path relinking, mas diferentemente das abordagens anteriores, o algoritmo proposto mantém o conceito principal de PSO para a atualização da velocidade da partícula. O trabalho descreve o algoritmo proposto como uma plataforma geral para problemas combinatórios. Tal proposta é validada em duas implementações: uma aplicada ao Problema do Caixeiro Viajante e outra ao Problema da Mochila. As peculiaridades e uma série de experimentos de calibragem de ambos os algoritmos são relatados. Finalmente, a qualidade do algoritmo proposto é testada na comparação com outros PSO discretos da literatura recente e também com outro conhecido algoritmo de metaheurística: o Ant Colony Optimization (ACO). Os resultados são encorajadores e reforçam a idéia de que o algoritmo PSO também pode ser competitivo em espaço de busca discreto, assim como levam a crer que a utilização de métodos dependentes do problema pode ser uma excelente alternativa na aplicação de PSO a este tipo de problema. Abstract: Particle Swarm Optimization (PSO) belongs to a class of algorithms inspired by natural social intelligent behaviors, called Swarm Intelligence (SI). PSO has been successfully applied to solve continuous optimization problems, however, its potential in discrete problems has not been sufficiently explored. Recent works have proposed PSO implementations using local search and Path relinking algorithms with promising results. This paper aims to present a PSO algorithm as a meta-model that uses local search and Path relinking, but differently to the previous approaches, the proposed algorithm maintains the main PSO concept for the update of the velocity of the particle. The work describes the proposed algorithm as a general platform for combinatorial problems. Such proposal is evaluated by two implementations: one applied to the Traveling Salesman Problem and another to the Multidimensional Knapsack Problem. The peculiarities and a set of experiments of tuning for both algorithms are reported. Finally, the quality of the proposed algorithm is tested in comparison to others discrete PSO of recent literature and also with other kno n metaheuristic algorithm: Ant Colony Optimization (ACO). The results are encouraging and reinforce the idea that the PSO algorithm can also be competitive in discrete search space, and suggest that the use of problem dependent methods can be an excellent alternative in the application of PSO to this type of problem.
Collections
- Teses & Dissertações [9369]