ESTUDO COMPARATIVO ENTRE ALGORITMOS DE COLÔNIA DE FORMIGAS
Otimização por Colônias de Formigas, Problema do Caixeiro Viajante, Problema da Árvore de Steiner, Diversidade
A otimização por colônia de formigas (ACO) é um algoritmo meta-heurístico, amplamente aplicado em otimização combinatória. Para melhorar a capacidade global de exploração e convergência do ACO, novas estratégias são continuamente apresentadas, estratégias estas que podem resultar em um avanço na qualidade das soluções encontradas. Nesta qualificação são analisados alguns dos principais algoritmos baseados em colônia de formigas, e comparados quanto a qualidade das soluções encontradas de acordo com alguns critérios, como quais algoritmos geraram os melhores resultados, se as soluções são estatisticamente diferentes por meio de um método estatístico não paramétrico, também será analisada a diversidade gerada nas melhores soluções. Para fins de comparação testa-se as diferentes versões do ACO nos benchmarking Problema do Caixeiro Viajante (TSP) e Problema da Árvore de Steiner (STP). Os algoritmos ACO implementados e avaliados são o Ant Colony System, Social Interactive Ant Colony Optimization (SIACO), ASRank e Ant System. Nas simulações realizadas o algoritmo ASRank se portou muito bem para o problema TSP enquanto que o algoritmo SIACO apresentou resultados melhores para o problema STP.
Projeto de pesquisa: Deep Learning parametrizada por Algoritmos Evolutivos aprimorados para uso no Setor Elétrico em Predição de Séries Temporais e Manutenção Preditiva