English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Neste artigo os autores propoem a aplicacao de um algoritmo baseado em inteligencia por enxame, mais especificamente o Algoritmo Colonia de Vagalume (ACV), na otimizacao de funcoes ndimensionais e multimodais. Algoritmos baseados em inteligencia por enxame sao bastante estudados na literatura por serem algoritmos eficientes para resolver problemas reais em diversas areas. A computacao bio-inspirada tem crescido bastante nos ultimos anos, especialmente nas ultimas duas decadas. Muitos dos recem algoritmos bio-inspirados, e em especial os algoritmos baseados em inteligencia por enxame, sao desconhecidos por uma grande parte de estudantes, professores e profissionais do mercado de trabalho que lidam com otimizacao. Dentre estes algoritmos pode-se citar: Colonia de Vaga-lume [6], Colonia de Bacterias [5], Otimizador da Formiga-Leao [4], entre outros. A metaheuristica ACV tem sido recentemente explorada na otimizacao de problemas reais tais como: reconfiguracao de antenas para telecomunicacao [1] e sequenciamento de tarefas [3]. Problemas de otimizacao podem ser facilmente associados a problemas reais e de relevante impacto social e/ou economico, como a obtencao de maiores ganhos de um dado investimento ou maior producao de um produto industrial, o que caracterizam problemas de maximizacao. A obtencao de menores custos para determinar rotas de transporte publico ou menores desperdicios no corte de chapas metalicas de uma siderurgica caracterizam problemas de minimizacao. Em geral, a modelagem matematica de um problema de otimizacao tem como indice de desempenho uma funcao que e responsavel pela qualificacao de uma solucao. Esta funcao, chamada de funcao objetivo, pode ser linear ou nao linear, alem de admitir uma, duas ou n variaveis. Neste trabalho implementamos a metaheuristica ACV para encontrar pontos de maximo ou minimo de um conjunto de funcoes ndimensionais e com particularidades como a multimodalidade, ou seja, a funcao possui varias inflexoes de sua superficie caracterizando multiplos pontos de minimo ou maximo. As metaheuristicas representam metodos eficientes e alternativos aos metodos exatos, quando estes nao sao capazes de solucionar o problema de otimizacao. O funcionamento do ACV baseia-se no comportamento social de vaga-lumes ou pirilampos. Cada especie de vaga-lume produz um padrao unico de lampejos ritmicos. No algoritmo, a intensidade e lampejos da luz estao associados com o valor da funcao objetivo a ser otimizada. Tres importantes caracteristicas sao consideradas na elaboracao do programa: (i) os vagalumes sao unissex; (ii) a atracao entre os vaga-lumes e proporcional a intensidade de sua luz e decresce a medida que a distância aumenta; e (iii) a intensidade do lampejo e determinado pelo valor da funcao objetivo a ser otimizada. 1deyloncarlo@gmail.com 2carlos.silva@ifmg.edu.br 2 O movimento do vaga-lume i no tempo discreto t, atraido pelo vaga-lume j, e dado pela equacao (1): xt1i  x t i  β(x t j  xti)  α(rand 0, 5), (1) sendo β o parâmetro de atratividade e α um parâmetro de aleatoriedade. Em [2] e feita uma abordagem completa sobre o desempenho de metodos computacionais, incluindo uma versao de um algoritmo baseado no comportamento dos vaga-lumes (Glowworm Swarm Optimization Algorithm) na otimizacao de funcoes ndimensionais e multimodais. Como diferencial a este e demais trabalhos encontrados na literatura, construimos um benchmark contendo uma quantidade significativa de funcoes multimodais de acordo com sua dimensionalidade, e ampliamos a analise estatistica sobre a performance do metodo, como por exemplo analisando a correlacao entre os parâmetros de ajuste do metodo. Os resultados mostram que o ACV apresenta um bom desempenho diante da classe de funcoes testes utilizadas, alem disso ha indicios de correlacao entre alguns parâmetros do algoritmo. O proximo passo do trabalho e compara-lo com outras metaheuristicas como o algoritmo da alcateia de lobos que se encontra em fase de implementacao.

Algoritmo Colônia de Vaga-lumes Aplicado na Otimização de Funções N-dimensionais