Análise do algoritmo IWOA acoplado a uma técnica de penalização adaptativa em problemas de otimização com restrições aplicados a projetos de engenharia
DOI:
https://doi.org/10.5540/03.2022.009.01.0237Palabras clave:
Whale optimization, técnica de penalização adaptativa, otimização com restrições, projeto ótimo de engenharia.Resumen
O Whale Optimization Algorithm (WOA) é uma metaheurística bioinspirada no comportamento de caça das baleias que tem se destacado em pesquisas recentes devido, principalmente, a sua rápida convergência. Entretanto, isso pode aumentar a probabilidade de que o algoritmo fique preso a ótimos locais. Recentemente foi proposto o Improved WOA (IWOA), que melhora a capacidade de exploração do espaço de busca evitando convergência prematura. Devido ao IWOA ter sido originalmente proposto para problemas sem restrições, esse trabalho propõe ampliá-lo para resolver problemas com restrições através do acoplamento de uma técnica de penalização adaptativa denominada APM. Experimentos numéricos foram realizados para avaliar o desempenho do algoritmo proposto, o qual foi nomeado IWOA+APM. Oito problemas de otimização com restrições aplicados a projetos de engenharia foram utilizados nesses experimentos. Os resultados foram promissores, mostrando que o IWOA+APM foi competitivo neste conjunto de problemas quando comparado à resultados encontrados na literatura.
Descargas
Citas
Mirjalili, S. e Lewis, A. The whale optimization algorithm. Advances in Engineering Software,
:51–67, 2016. https://doi.org/10.1016/j.advengsoft.2016.01.008
Gharehchopogha, F. S. e Gholizadehb, H. A comprehensive survey: Whale Optimization Algorithm and its applications. Swarm and Evolutionary Computation, 48:1–24, 2019.
https://doi.org/10.1016/j.swevo.2019.03.004
Bozorgi, S. M. e Yazdani, S. IWOA: An improved whale optimization algorithm for optimization problems. Journal of Computational Design and Engineering, 6(3):243–259, 2019.
https://doi.org/10.1016/j.jcde.2019.02.002
Storn, R. e Price, K. Differential Evolution – A Simple and Efficient Heuristic for global
Optimization over Continuous Spaces. Journal of Global Optimization, 11(4):341–359, 1997.
https://doi.org/10.1023/A:1008202821328
Barbosa, H.J.C. e Lemonge, A.C.C. An adaptive penalty scheme in genetic algorithms for constrained optimiazation problems, Proceedings of the Genetic and Evolutionary Computation Conference. GECCO 2002, New York, USA, pages 287-294, 2002.
https://dl.acm.org/doi/10.5555/2955491.2955543
Vargas, D.E.C., Lemonge, A.C.C., Barbosa, H.J.C. e Bernardino, H.S. Differential evolution
with the adaptive penalty method for structural multi-objective optimization. Optimization
and Engineering, 20:65–88, 2019. https://doi.org/10.1007/s11081-018-9395-4
Lemonge, A.C.C., Barbosa, H.J.C. e Bernardino, H.S. Variants of an adaptive penalty scheme
for steady-state genetic algorithms in engineering optimization. Engineering Computations,
(8):2182–2215, 2015. https://doi.org/10.1108/EC-07-2014-0158
Kumar, A., Wu, G., Ali, M. Z., Mallipeddi, R., Suganthan, P. N. e Das, S.
A test-suite of non-convex constrained optimization problems from the real-world
and some baseline results. Swarm and Evolutionary Computation, 56, 100693, 2020.
https://doi.org/10.1016/j.swevo.2020.100693
Kumar, A., Das, S., e Zelinka, I. A self-adaptive spherical search algorithm for realworld constrained optimization problems, Proceedings of the 2020 Genetic and Evolutionary
Computation Conference Companion. GECCO 2020, New York, USA, pages 13-14, 2020.
