Tamanho da fonte: 

Um modelo de otimização com função-objetivo ruidosa é caracterizado pela presença de desvios na leitura da avaliação do critério de qualidade das soluções. Tal presença de ruído é comum em problemas reais, como projetos aerodinâmicos ou de modelagem robótica; e podem ser causados, por exemplo, pela falta de precisão do medidor ou pela própria natureza estocástica do problema. Ademais, o funcional pode ter outras características não tratáveis para métodos determinísticos como não-linearidade, multimodalidade e não-convexidade. Neste trabalho, as heurísticas Algoritmo Genético (GA), Evolução Diferencial (DE) e Mean-Variance Mapping Optimization (MVMO) são investigadas para encontrar soluções viáveis de alta qualidade em modelos ruidosos com um baixo orçamento de computações de objetivo. Para isso, tais versões foram estudadas em artigos científicos e implementadas utilizando uma linguagem de programação. Em seguida, elas foram comparadas estatisticamente, após a realização de um experimento computacional planejado utilizando um benchmark de funções-teste influenciado por um ruído Gaussiano e em um problema real de controle de epidemias através de campanhas de vacinação. Os resultados indicam que o MVMO foi superior e é mais adequado para tratar problemas desta natureza.

Otimização ruidosa. Otimização custosa. Algoritmos evolutivos.