Um estudo sobre a configuração automática do algoritmo de evolução diferencial

• Main Author: Rodrigo Cesar Pedrosa Silva
• Other Authors: Frederico Gadelha Guimaraes
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Minas Gerais 2012
• Online Access: http://hdl.handle.net/1843/BUOS-9ABKE7

=== The great development in the area of evolutionary algorithms in recent decades has increased the range of applications of these tools and improved its performance in different fronts. In particular, the Differential Evolution (DE) algorithm has proven to be a simple and efficient optimizer in several contexts. Despite its success, its performance is closely related to the choice of variation operators and the parameters which control these operators. To increase the robustness of the method and the ease of use for the average user, the pursuit for methods of self-configuration has been increasing as well. There are several methods in the literature for setting parameters and operators. In order to understand the effects of these approaches on the performance of DE, this paper presents a thorough experimental analysis of the main existing approaches. Furthermore, a new approach is presented for selecting operators based on reinforcement learning. The results show that simple approaches are able to bring significant improvements to the performance of DE. === O grande desenvolvimento na área de algoritmos evolutivos nas últimas décadas tem aumentado o domínio de aplicações dessas ferramentas e melhorado seu desempenho em diversas frentes. Em particular, o algoritmo de Evolução Diferencial (DE - Diferential Evolution) tem se mostrado um otimizador simples e eficiente em diversos contextos. Apesar do sucesso, seu desempenho está diretamente relacionado à escolha adequada dos operadores de variação e dos parâmetros que controlam o funcionamento destes operadores. Para aumentar a robustez do método e facilitar a sua utilização para o usuário comum, tem-se buscado cada vez mais por métodos de configuração automática. Existem na literatura diversos métodos para configuração de operadores e parâmetros. A fim de entender os efeitos dessas abordagens no desempenho do DE, neste trabalho é apresentada uma análise experimental criteriosa das principais abordagens existentes. Além disso é apresentada uma nova abordagem para a seleção de operadores baseada em aprendizado por reforço. Os resultados mostram que abordagens bem simples são capazes de trazer melhoras significativas ao desempenho do DE.