Desenvolvimento de versões aprimoradas híbridas, paralela e multiobjetivo do método da otimização extrema generalizada e sua aplicação no projeto de sistemas espaciais

• Main Author: Roberto Luiz Galski
• Other Authors: Fernando Manuel Ramos
• Language: Portuguese
• Published: Instituto Nacional de Pesquisas Espaciais 2006
• Online Access: http://urlib.net/sid.inpe.br/mtc-m17@80/2006/11.30.19.04

Em De Sousa (2002), o algoritmo GEO Generalized Extremal Optimization foi desenvolvido. O GEO é uma generalização que estendeu a aplicabilidade da meta-heurística EO Extremal Optimization (Boettcher e Percus, 2001) virtualmente a qualquer problema de otimização. O GEO, assim como o EO inspira-se no modelo simplificado do processo evolutivo desenvolvido por Bak e Sneppen (1993). Como acontece com qualquer método novo, uma quantidade significativa de estudo deve ser efetuada, de modo a desenvolver o potencial presente no método original. Esta Tese de Doutorado tem como principal objetivo explorar as potencialidades do GEO, aprofundar os estudos do mesmo visando obter versões mais eficientes e, ao mesmo tempo, preocupando-se em expandir sua aplicabilidade. Dentro desse contexto, é efetuado o desenvolvimento de uma versão paralelizada do algoritmo GEO, denominada GEOPAR-1 e a análise de seu desempenho. Almeja-se, com isso, comprovar a eficiência do GEO como algoritmo e permitir sua aplicação no projeto otimizado de sistemas espaciais complexos onde o alto desempenho computacional é uma necessidade. Atualmente, é comum o emprego de técnicas de hibridização, para melhorar as características dos algoritmos de otimização. Nesta Tese, tais técnicas são utilizadas no desenvolvimento de versões hibridizadas do algoritmo GEO, onde se buscou incorporar ao mesmo características presentes em outros algoritmos de modo a aumentar sua eficiência quando aplicado a problemas em geral ou, ao menos, aumentar sua eficiência em aplicações específicas. Um outro campo de estudo é o da otimização multiobjetivo. Neste campo, um dos resultados dos estudos efetuados é o desenvolvimento de um novo algoritmo de otimização multiobjetivo, chamado M-GEO. A fim de avaliar seu desempenho, todos os algoritmos desenvolvidos nesta Tese são testados com diversas funções teste comuns na literatura da área. Além disso, a fim de comprovar a real capacidade de otimização das versões desenvolvidas, algumas são utilizadas para a otimização de sistemas espaciais reais: o projeto térmico dos radiadores da Plataforma Multimissão (PMM) do INPE e a obtenção da configuração de uma constelação de satélites de sensoriamento remoto. === In De Sousa (2002), the GEO Generalized Extremal Optimization algorithm was developed. GEO is a generalization that has extended the applicability of the EO Extremal Optimization meta-heuristic (Boettcher and Percus, 2001) to virtually any optimization problem. Both GEO and EO are inspired on the simplified model of the evolutive process developed by Bak and Sneppen (1993). As it happens with most new method, a reasonable amount of study must be done, in order to fully develop the potential of the original method. This Doctorate thesis has as its main objective to explore GEOs potential, performing deep studies aiming at obtaining more efficient versions and, at the same time, aiming at expanding its applicability. Inside this context, it is done the development of a parallel version of the GEO algorithm, named GEOPAR-1 and a performance analysis. The objective is to validate GEOs efficiency as algorithm and to allow its application in the optimized design of complex spatial systems where computational high performance is a necessity. Nowadays, it is common the usage of hybridization techniques to improve the optimization algorithms characteristics. In this Thesis, such techniques are applied to the development of hybrid versions of the GEO algorithm, where characteristics of other algorithms are incorporate in GEO in order to improve its efficiency when applied to problems in general or, at least, to improve its efficiency when applied to specific problems. Another field of study is multiobjective optimization. In this field, one result from the studies that were done is the development of a new multiobjective optimization algorithm, called M-GEO. In order to evaluate its performances, all algorithms developed in this Thesis are tested with several test functions commonly used in the optimization field. Moreover, in order to verify the real capacity of optimization of the developed versions, some of them are used to the optimization of real spatial systems: the thermal design of the radiators of INPEs Multimission Platform (In Portuguese, Plataforma Multimissão - PMM) and in the design of the initial configuration of a remote sensing satellite constellation.