Otimização multimodal através de novas técnicas baseadas em clusterização nebulosa

Neste trabalho, é proposta uma nova família de métodos a ser aplicada à otimização de problemas multimodais. Nestas técnicas, primeiramente são geradas soluções iniciais com o intuito de explorar o espaço de busca. Em seguida, com a finalidade de encontrar mais de um ótimo, estas soluções são agrupadas em subespaços utilizando um algoritmo de clusterização nebulosa. Finalmente, são feitas buscas locais através de métodos determinísticos de otimização dentro de cada subespaço gerado na fase anterior com a finalidade de encontrar-se o ótimo local. A família de métodos é formada por seis variantes, combinando três esquemas de inicialização das soluções na primeira fase e dois algoritmos de busca local na terceira. A fim de que esta nova família de métodos possa ser avaliada, seus constituintes são comparados com outras metodologias utilizando problemas da literatura e os resultados alcançados são promissores.

In this thesis, a new family of methods designed for multimodal optimization is introduced. In these techniques, first of all, initial solutions are generated in order to explore the search space. Secondly, these solutions are grouped in clusters using a fuzzy-clustering algorithm so that multiple optima are found. Finally, an instance of deterministic optimization method is triggered within each cluster to reach for the local optimum. This family of methods is formed by six variants combining three initialization schemes in the first phase with two local search algorithms in the third. These methods are compared against other techniques in the literature using benchmarks, obtaining promising results.