In this paper, inspired by the herding behavior of rhinos, a new kind of swarm-based metaheuristic search method, namely Rhino Herd (RH), is proposed for solving global continuous optimization problems. In various studies of rhinos in nature, the synoptic model is used to describe rhino's space use and estimate its probability of occurrence within a given domain. The number of rhinos increases year by year, and this increment can be forecasted by several population size updating models. Synoptic model and a population size updating model are formalized and generalized to a general-purpose metaheuristic optimization algorithm. In RH, null model without introducing any influences is generated as the initial herding. This is followed by rhino modification via synoptic model. After that, the population size is updated by a certain population size updating model, and newly-generated rhinos are randomly initialized within the given conditions. RH is benchmarked by fifteen test problems in comparison with biogeography-based optimization (BBO) and stud genetic algorithm (SGA). The results clearly show the superiority of RH in searching for the better function values on most benchmark problems over BBO and SGA.
Neste artigo propõe-se uma nova metodologia híbrida para resolução do problema de despacho econômico de energia elétrica com o efeito do ponto de válvula. O método híbrido proposto integra evolução diferencial (ED) com a técnica de programação quadrática seqüencial (SQP). A ED é utilizada como otimizador global e a SQP é utilizada para o ajuste fino da otimização, realizada pela ED. A metodologia híbrida e suas variantes são validadas para sistemas teste de 3, 13 e 40 unidades geradoras térmicas com funções incrementais de custo de combustível que levam em consideração o efeito de carregamento devido ao ponto de válvula. O método híbrido proposto supera e providencia soluções promissoras, em termos de eficiência, se comparadas com as obtidas pela ED e SQP sozinhas bem como de outras técnicas propostas na literatura para o problema de despacho econômico de carga com o efeito do ponto de válvula. This paper proposes a new hybrid methodology for solving the economic load dispatch problem with valve-point effect. The proposed hybrid method integrates the differential evolution (DE) with the sequential quadratic programming (SQP) technique. The DE is the global optimizer and the SQP is used to fine tune of DE run. The hybrid methodology and its variants are validated for test systems consisting of 3, 13 and 40 thermal units with incremental fuel cost function takes into account the valve-point loadings effects. The proposed hybrid method outperforms and provides quality solutions in terms of efficiency compared with those obtained from DE and SQP alone and other existing techniques for load dispatch problem with valve-point effect
As abordagens de inteligência computacional, tais como sistemas nebulosos e redes neurais artificiais, têm-se gradualmente estabelecido como ferramentas robustas para a tarefa de aproximação de sistemas não-lineares complexos e previsão de séries temporais. Em aplicações envolvendo a área de Finanças, evidências empíricas anteriores indicam que modelos de inteligência computacional são mais precisos, dada sua maior capacidade em capturar não-linearidades e outros fatos estilizados presentes em séries financeiras. Nesse sentido, este artigo investiga a hipótese de que os modelos matemáticos de redes neurais perceptron multicamadas, redes neurais função de base radial e o sistema nebuloso Takagi-Sugeno (TAKAGI; SUGENO, 1985) são capazes de fornecer uma previsão fora-da-amostra mais acurada que os modelos auto-regressivos de médias móveis (ARMA) e auto-regressivo de médias móveis supondo heterocedasticidade condicional auto-regressiva (ARMA-GARCH). O desempenho de previsão um-passo-à-frente dos modelos foi comparado utilizando-se séries de retorno da taxa de câmbio real/dólar (R$/US$) com freqüências de 15 minutos, 60 minutos, 120 minutos, diária e semanal. Resultados indicam que o desempenho dos modelos está diretamente relacionado à freqüência observada das séries. Além disso, os modelos de redes neurais obtiveram um desempenho superior em relação aos demais modelos considerados. A avaliação da estratégia de negociação estabelecida com base nas previsões geradas pelos modelos indicou que estratégias baseadas em modelos de redes neurais forneceram retornos superiores em relação àquelas baseadas em modelos ARMA e ARMA-GARCH e também em relação à estratégia buy-and-hold.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.