USO DE ALGORITMO GENÉTICO MODIFICADO PARA OTIMIZAÇÃO DE FUNÇÕES DE VARIÁVEIS REAIS
USO DE ALGORITMO GENÉTICO MODIFICADO PARA OTIMIZAÇÃO DE FUNÇÕES DE VARIÁVEIS REAIS
Os algoritmos evolucionários são métodos estocásticos para otimização de problemas gerais. Tais problemas são caracterizados por serem complexos com múltiplas variáveis reais ou não, seguindo uma série de restrições, assim tornando-as computacionalmente inviáveis de otimizá-las utilizando métodos tradicionais de otimização. Para um modelo bioinspirado ser efetivo na busca por resultados, é preciso ter um bom nível de exploração global e local do espaço de busca do problema. Para atingir níveis satisfatórios de busca, pesquisas recentes na área de algoritmos genéticos implementam diversos métodos que garantem o controle de diversidade da população, tentando manter um bom nível de busca global enquanto otimiza localmente os resultados potencialmente promissores. No entanto, grande parte destas pesquisas são testadas em funções de benchmark de muitas variáveis, mas sem restrições. Essas caraterísticas são diferentes dos problemas de otimização da engenharia estrutural que tem apenas dezenas de variáveis, mas apresentam inúmeras restrições. Baseado no estado da arte da computação bioinspirada aplicada a problemas complexos reais com restrições de variáveis, é proposto um algoritmo genético com cruzamento e ajuste estatístico para otimização de problemas estruturais de engenharia em que busca-se controlar as características de intensificação (busca local) e exploração (busca global) de um algoritmo genético.