Comparação sistemática entre métodos de otimização estocástica

Abstract

Os algoritmos de otimização surgiram do desejo de utilizar os recursos disponíveis da melhor maneira possível e, ao longo dos últimos anos, foram responsáveis por muitos avanços tecnológicos alcançados pela humanidade. Os algoritmos estocásticos, desenvolvidos no final do século XX, são uma importante classe de algoritmos de otimização que, ao contrário da classe de algoritmos determinísticos, visam contemplar a aleatoriedade na busca pelo ótimo. Desde sua criação, vem sendo apresentados inúmeros estudos com novos algoritmos, dentre os quais destacam-se os chamados meta heurísticos, que imitam comportamento da natureza. Dessa forma, quando se deseja resolver um problema de otimização, há, atualmente, inúmeras possibilidades de algoritmos para escolha, porém a literatura diverge quanto ao desempenho desses algoritmos, o que dificulta a seleção do algoritmo para resolver o problema. Portanto, este trabalho focou em realizar uma comparação sistemática entre os algoritmos clássicos Genético, Evolução Diferencial e Particle Swarm Optimization e algoritmos recentemente publicados, Bat Algorithm e Flower Pollination Algorithm, realizando uma análise alicerçada em três critérios de avaliação, a robustez (η), a eficiência (γ) e a eficácia (θ), os quais avaliaram os algoritmos em termos de quantidade de problemas resolvidos, consistência em relação ao melhor resultado e consistência em relação ao melhor tempo de convergência, respectivamente. Para isso, dividiu-se a análise em duas etapas, a primeira teve como objetivo realizar o ajuste de parâmetros específicos de cada algoritmo, visto que esses influenciam no seu desempenho, e a segunda realizou a comparação entre os algoritmos a partir do seu melhor desempenho individual observado na etapa um. Os resultados demonstraram que os algoritmos clássicos Evolução Diferencial (ED), Exame de Partículas (PSO) e Algoritmo Genético (AG) apresentaram os melhores desempenhos, em ordem de maior para menor. Os mais recentes, Bat Algorithm (BA) e Flower Pollination Algorithm (FPA), tiveram desempenho inferior aos clássicos, embora o FPA tenha sido significativamente superior ao BA. Os resultados foram de encontro aos apresentados pelo autor do FPA e BA, mas estão em linha com outros estudos publicados. Com isso, verificou-se que os algoritmos podem ter o seu desempenho influenciado pelos parâmetros escolhidos, pela maneira como foram codificados e pelo tipo de problema utilizado, comprovou-se também a importância de se estabelecer um método estruturado de comparação entre os algoritmos.