Melhoria do desempenho da Hibridização GA-PSO através do Peso Inercial Adaptativo Fuzzy

Abstract

A hibridização de algoritmos de otimização pertencentes à teoria da computação evolucionária é realizada com o objetivo de combinar características desejáveis e atenuar características indesejáveis dos métodos envolvidos.  De forma específica para uma hibridização envolvendo o Genetic Algorithm (GA) e Particle Swarm Optimization (PSO), embora o GA insira bastante diversidade de posições no espaço de busca permitindo contornar com uma maior facilidade a convergência prematura, o processo de busca converge lentamente.  Al ́em disso, somente inserir diversidade de posições não é o suficiente para contornar a convergência prematura em problemas com maior complexidade.   Para  obter  um  processo  de  busca  com  uma  convergência  rápida  e  não  prematura,  é necessário realizar um bom trade-off entre a busca global e local.  Nessa hibridização, embora não seja  trivial,  o trade-off pode  ser  realizado,  por  exemplo,  através  de  uma  boa  sele ̧c ̃ao  de  valores para  o  peso  inercial  do  PSO.  Para  isso,  nesse  artigo,   ́e  proposta  a  utilização  de  um  sistema  de inferência fuzzy Mamdani  para  adaptação  paramétrica,  a  cada  itera ̧c ̃ao,  do  peso  inercial.   Sendo assim,  é  possível  melhorar  o  desempenho  da  hibridização  GA-PSO  através  de  um  bom trade-off entre a busca global e local.