Abstract. In last decades, evolutionary approaches has been used extensively and demons-
this study, a computational tool, called Improved Differential Evolution with parallel processing, is developed using the concept of evolution shuffled sets. Moreover, three different metaheuristics are applied to obtain the problem solution. Five robotic applications are presented to show the efficiency of the proposed methodology.
Resumo. Neste trabalhoé apresentado o método de otimização estocástico Evolução Diferencial Melhorada utilizando processamento paralelo (EDMP) aplicadoà solução de grandes sistemas lineares de um problema de identificação de forças dinâmicas. Os resultados obtidos com EDMP são comparados com os encontrados com os algoritmos Evolução Diferencial, GMRES e com as soluções analíticas. O objetivoé aplicar EDMP sem se preocupar com pré-condicionadores e com as características da matriz de coeficientes, mesmo que a mesma seja não quadrada, não simétrica e nem positiva definida. Embora a matriz do sistema seja retangular formada por três blocos triangulares, o problema de identificação de forças dinâmicas foi resolvido sem usar nenhuma técnica de regularização da matriz de coeficientes. Os resultados obtidos com EDMP mostraram-se muito satisfatórios.Palavras-chave. Evolução Diferencial Melhorada, Processamento Paralelo, Grandes Sistemas Lineares. IntroduçãoSegundo [4], mais de 75% dos problemas matemáticos encontrados em aplicações científicas e industriais envolvem a resolução de sistemas lineares em algum estágio. No entanto, estes sistemas geralmente possuem dimensão elevada o que dificulta a obtenção da sua solução de forma algébrica. De forma geral, os sistemas lineares podem ser resolvidos pelos métodos diretos e indiretos.Os métodos diretos são aqueles que após um número finito e bem determinado de operações obtém-se a solução exata, a menos de erros de arredondamento, de um sistema linear.
RESUMOO objetivo deste trabalho é apresentar um aprimoramento do método de otimização heurístico Evolução Diferencial propondo modificações no seu algoritmo básico através da utilização do conceito de Evolução com Conjuntos Embaralhados. Desenvolveu-se o método denominado Evolução Diferencial Melhorada (EDM), sendo este algoritmo implementado em computação paralela (EDMP), tornando-o apto para solucionar problemas de otimização complexos. O algoritmo desenvolvido é adaptado para trabalhar com problemas de otimização multiobjetivos e na presença de restrições. Algumas funções testes são resolvidas usando o método EDMP a fim de validar o algoritmo. A metodologia EDMP é utilizada para obter o projeto ótimo de um robô manipulador com três juntas rotacionais (3R) levando-se em conta as características de sua topologia. Com esta finalidade, um problema de otimização multiobjetivo é formulado para a obtenção dos parâmetros geométricos ótimos do robô, considerando a maximização do volume do espaço de trabalho, de sua rigidez e a otimização de sua destreza. Finalmente, o algoritmo EDMP é aplicado na solução de grandes sistemas lineares, reescritos como um problema de minimização de resíduos. Todos os resultados obtidos com o algoritmo desenvolvido são comparados com as soluções calculadas por meio de outras metodologias, a fim de comprovar sua eficiência e o relevante ganho em termos de tempo computacional.
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.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.