| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21b.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34P/3LJADHP | |||||||||
| Repositório | sid.inpe.br/mtc-m21b/2016/04.25.17.23 | |||||||||
| Última Atualização | 2016:09.14.13.35.11 (UTC) marcelo.pazos@inpe.br | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21b/2016/04.25.17.23.49 | |||||||||
| Última Atualização dos Metadados | 2018:06.04.02.40.43 (UTC) administrator | |||||||||
| Chave Secundária | INPE-17721-TDI/2474 | |||||||||
| Chave de Citação | Gouvêa:2016:MéCoOt | |||||||||
| Título | Métodos convergentes de otimização global baseados no vetor q-gradiente  | |||||||||
| Título Alternativo | Convergent methods of global optimization based on the q-gradient vector | |||||||||
| Curso | CAP-COMP-SPG-INPE-MCTI-GOV-BR | |||||||||
| Ano | 2016 | |||||||||
| Data | 2016-05-18 | |||||||||
| Data de Acesso | 11 maio 2024 | |||||||||
| Tipo da Tese | Tese (Doutorado em Computação Aplicada) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 111 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 4788 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | Gouvêa, Érica Josiane Coelho | |||||||||
| Banca | Carvalho, Solon Venâncio de (presidente) Ramos, Fernando Manuel (orientador) Soterroni, Aline Cristina (orientadora) Stephany, Stephan Doescher, Erwin Salles Neto, Luiz Leduino de | |||||||||
| Endereço de e-Mail | ericagouvea@gmail.com | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2016-04-25 17:27:35 :: ericagouvea@gmail.com -> administrator :: 2016-04-25 21:51:19 :: administrator -> yolanda :: 2016-05-03 13:53:01 :: yolanda -> administrator :: 2016-06-04 05:08:27 :: administrator -> ericagouvea@gmail.com :: 2016-07-06 16:18:35 :: ericagouvea@gmail.com -> yolanda.souza@mcti.gov.br :: 2016-07-06 17:23:42 :: yolanda.souza@mcti.gov.br -> ericagouvea@gmail.com :: 2016-07-14 13:24:35 :: ericagouvea@gmail.com -> yolanda.souza@mcti.gov.br :: 2016-09-14 14:03:26 :: yolanda.souza@mcti.gov.br -> marcelo.pazos@inpe.br :: 2016-09-15 13:55:37 :: marcelo.pazos@inpe.br :: -> 2016 2016-09-15 15:37:10 :: marcelo.pazos@inpe.br -> administrator :: 2016 2018-06-04 02:40:43 :: administrator -> :: 2016 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | otimização global q-cálculo vetor q-gradiente convergência global optimization q-calculus q-gradient vector convergence | |||||||||
| Resumo | O vetor q-gradiente é um q-análogo do vetor gradiente clássico baseado na derivada de Jackson, com a propriedade de reduzir ao gradiente clássico quando o parâmetro q tende a 1. O primeiro método baseado nesses conceitos é o método q-G, uma generalização do método da máxima descida para problemas de otimização global contínuos, e que retorna a sua versão clássica quando q $\rightarrow$ 1. A proposta do método q-G é definir a sua direção de busca a partir do vetor q-gradiente da função objetivo. Essa direção juntamente com estratégias apropriadas para a obtenção do parâmetro q, necessário para calcular o vetor q-gradiente, e o tamanho do passo fornecem ao método q-G mecanismos para escapar de mínimos locais por meio de uma transição suave entre busca global e busca local ao longo do procedimento iterativo. Este trabalho apresenta uma extensão desse estudo, com o desenvolvimento de novas q-versões, onde no limite, q $\rightarrow$ 1, retomem suas versões clássicas. Foram desenvolvidas uma q-versão do método dos gradientes conjugados de Fletcher e Reeves, denominado método q-GC e duas q-versões dos métodos quase-Newton, método q-BFGS e método q-DFP, generalizações dos métodos de Broyden-Fletcher-Goldfarb-Shanno e Davidon-Fletcher-Powell, respectivamente. Assim como o método q-G, esses métodos são implementados de tal forma que o processo de busca muda gradualmente de busca global no início do procedimento iterativo, para busca local no final do procedimento iterativo. Além disso, perturbações gaussianas são usadas em algumas iterações para garantir a convergência desses métodos para o extremo global em um sentindo probabilístico. As q-versões com prova de convergência foram comparadas com as suas versões clássicas e com outros métodos, incluindo uma estratégia evolutiva com matriz de covariância adaptada (CMA-ES), uma variação da busca aleatória controlada (CRS2-LM), um método de ponto interior que usa derivadas por diferenças finitas (IPOPT), um método de busca direta de Nelder-Mead e outra estratégia evolutiva (ISRES), totalizando 13 métodos diferentes. As comparações foram realizadas para 27 funções testes de 10 dimensões bem conhecidas na literatura. No geral, os resultados mostraram que os métodos baseados no vetor q-gradiente são competitivos e promissores, especialmente quando aplicados aos problemas de otimização multimodal. Além disso, os métodos também foram aplicados em dois problemas complexos de otimização e os resultados mostraram a viabilidade de seu uso em problemas de difícil solução. ABSTRACT: The q-gradient vector is a q-analogue of the classical gradient vector based on the Jackson's derivative with the property of reducing the classical gradient when the parameter q tends to 1. The first method based on these concepts is the q-G method, a generalization of the steepest descent method to continuous global optimization problems, and it returns to its classical version when q $\rightarrow$ 1. The proposal of the q-G method is to define the search direction from the q-gradient vector of the objective function. This direction to- gether with appropriate strategies for obtaining the parameter q necessary for calculating the q-gradient vector, and the step length provide the q-G method mechanisms to escape local minima by a smooth transition between global search and local search during the iterative procedure. This work presents an extension of this study, with the development of the new q-versions where the limit q $\rightarrow$ 1, returns its classical versions. We developed a q-version of the Fletcher-Reeves conjugate gradient method, called q-CG method and two q-versions of the quasi-Newton methods, called q-BFGS and q-DFP methods, generalizations of the methods of Broyden-Fletcher-Goldfarb-Shanno and Davidon-Fletcher- Powell, respectively. As the q-G method, the methods are implemented such that the search process gradually shifts from global search at the beginning of the iterative procedure to the local search at the end of the iterative procedure. Moreover, gaussian perturbations are used in some iteration to guarantee the convergence of the methods to the global minimum in a probabilistic sense. We compare the convergent q-versions with their classical versions and with other methods, including CMA-ES, a variant of Controlled Random Search, Controlled Random Search with Local Mutation (CRS2-LM), an inte- rior point algorithm (IPOPT), another evolution strategy (ISRES), and the Nelder-Mead direct search method, amounting 13 different methods. The comparisons were performed to 27 well-known test problems in the literature. In general, the methods based on the q-gradient vector are competitive and promising, especially when applied to multimodal optimization problems. Moreover, the methods were applied to two complex optimization problems and the results showed the feasibility of their use in to solve hard problems. | |||||||||
| Área | COMP | |||||||||
| Arranjo | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Métodos convergentes de... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34P/3LJADHP | |||||||||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34P/3LJADHP | |||||||||
| Idioma | pt | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | administrator ericagouvea@gmail.com marcelo.pazos@inpe.br yolanda.souza@mcti.gov.br | |||||||||
| Grupo de Leitores | administrator ericagouvea@gmail.com marcelo.pazos@inpe.br yolanda.souza@mcti.gov.br | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Detentor da Cópia | SID/SCD | |||||||||
| Permissão de Leitura | allow from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | sid.inpe.br/mtc-m21b/2013/09.26.14.25.22 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS | |||||||||
| Lista de Itens Citando | ||||||||||
| Acervo Hospedeiro | sid.inpe.br/mtc-m21b/2013/09.26.14.25.20 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||