PARTICLE SWARM OPTIMIZATION

Felipe Antonio Chegury Viana¹; Valder Steffen Júnior¹

¹ Universidade Federal de Uberlândia

Resumo

Os algoritmos clássicos de otimização vêm sendo amplamente utilizados devido a sua eficiência computacional e sucesso na solução de problemas de projeto em Engenharia. Contudo, tais métodos encontram dificuldades ao se depararem com "mínimos locais". Por sua vez, os métodos de otimização natural requerem maior esforço computacional, mas apresentam vantagens tais como: fácil implementação, robustez e não requerem continuidade na definição do problema. Neste trabalho é apresentado o algoritmo conhecido como Particle Swarm Optimization, um algoritmo baseado no comportamento social de aves. A busca por alimento ou pelo ninho e a interação entre os pássaros ao longo do vôo são modelados como um mecanismo de otimização. Desta forma, a área sobrevoada é equivalente ao espaço de projeto e encontrar o local com comida ou o ninho é semelhante a encontrar o ótimo. O algoritmo é baseado em um modelo simplificado da teoria de enxames (swarm theory), através da qual os pássaros ou partículas fazem uso de suas experiências e da experiência do próprio bando para encontrarem o ninho ou alimento. Do ponto de vista sócio-cognitivo, isto quer dizer que a mente e, por conseqüência, a inteligência, são atributos sociais. Os fundamentos teóricos, o algoritmo básico e algumas aplicações são apresentados, incluindo a otimização de funções matemáticas e solução de problemas inversos de identificação de forças em estruturas mecânicas. As aplicações evidenciam a capacidade do algoritmo na solução de diferentes problemas, bem como salientam a habilidade de trabalhar com variáveis discretas e contínuas simultaneamente.

Palavras-chave: Otimização; Particle Swarm Optimization; Problemas Inversos