Comparação entre solução de otimização por algoritmo genético e método do formigueiro de uma função não-linear

Authors

  • Lino Timóteo FIB Bauru
  • Ronaldo Dametto FIB Bauru

DOI:

https://doi.org/10.59237/fibinova.v3i3.667

Abstract

Uma função pode ser maximizada ou minimizada. Maximizar uma função é a mesma coisa que minimizá-la com o sinal invertido. Existe uma região determinada por um conjunto de restrições que corresponde a uma região factível, região esta que pode estar a solução ótima da função objetivo. (Puccini, 1987). Um estudo sobre programação linear que pode servir de base para programação não linear pode ser encontrado em [1]. Um trabalho envolvendo algoritmo genético com funções não lineares e com o método “Grasshopper Optimization Algorithm” é apresentado em [2]. “[...] called hybrid grasshopper optimization algorithm (GOA) with genetic algorithm (GA): hybrid-GOA-GA [...]”. (El-Shorbagy, 2020, p.1). O uso da técnica do “formigueiro” para tratar um problema de otimização não linear é feito em [3]. “Therefore, this proposed algorithm combines PSO (the local search method) and EDA (the global search method) [...]”. (Wang, 2020, p.1).

Author Biographies

Lino Timóteo, FIB Bauru

Discente das Faculdades Integradas de Bauru

Ronaldo Dametto, FIB Bauru

Docente e Coordenador do Curso de Ciência da Computação da FIB Bauru

Published

2023-12-22