Hibridação de um Algoritmo Genético com um Método de Pesquisa em Padrão usando uma Lagrangeana Aumentada 1Roman Denysiuk, 2Isabel Espírito Santo, 2Lino Costa,2Edite Fernandes 1,2Centro de Investigação Algoritmi Minho University, Braga, Portugal [email protected], 1{iapinho;lac;emgpf}@dps.uminho.pt Os algoritmos genéticos, como a maioria dos algoritmos baseados em populações, são eficazes na identificação de zonas promissoras do espaço de procura, mas menos bons em termos de precisão. Por outro lado, os algoritmos de procura local, como a pesquisa em padrão têm um bom desempenho na melhoria da precisão da aproximação. Por isso, uma ideia promissora é combinar técnicas de optimização global e local. É proposto um novo algoritmo genético híbrido com procura local que utiliza uma técnica baseada numa Lagrangeana aumentada para o tratamento de restrições. Neste estudo, são testados diferentes esquemas relativos à escolha da população, bem como da forma como são integradas a procura global e local. Foram usados perfis de desempenho (Dolan e Moré, 2002) para avaliar as várias versões do algoritmo proposto para um conjunto de problemas de teste. Algoritmo 1 - HGPSAL Algoritmo 2 Algoritmo Genético • Selecção por torneio • SBX crossover • Mutação polinomial • Elitismo Resultados • • • Foram resolvidos 24 problemas-teste de optimização global Os problemas foram codificados em MatLab Foram feitas 10 execuções de cada problema • Versão 1 – melhorar o melhor ponto obtido por GA com HJ • Versão 2 - melhorar os melhores 10% pontos da população obtidos por GA com HJ • Versão 3 - melhorar os melhores 25% pontos da população obtidos por GA com HJ • Versão 4 - melhorar os melhores 50% pontos da população obtidos por GA com HJ Problema g02 Conclusões • Um tamanho de população de s=min(200,10n) parece ser mais adequado para a generalidade dos problemas; • A utilização de um número excessivo de pontos da população para serem melhorados por HJ conduz a resultados fracos; • Prentede-se, de futuro, comparar com outras abordagens estocásticas, resolver outros problemas e melhorar a integração entre a pesquisa local e global. 2ª Escola Luso-Brasileira de Computação Evolutiva, 15 a 18 de Julho, Guimarães