Estudo comparativo de meta-heurísticas aplicadas ao controle preditivo baseado em modelo

Abstract

A computação bioinspirada é um ramo da computação natural que busca desenvolver algoritmos de otimização inspirados no comportamento dos seres encontrados na natureza. Nesse contexto, destacam-se os algoritmos evolucionários e os baseados na inteligência coletiva. Aqueles são inspirados pela evolução

biológica dos seres e estes pelo comportamento coletivo de insetos e animais. Neste trabalho, serão coloca- dos em prova representantes dessas duas áreas. Meta-heurísticas clássicas, como PSO e DE, e também os

mais recentes representantes: GWO (lobos), MFO (mariposas), SSA (salpas), WOA (baleias jubarte), DA

(libélulas), além do SCA baseado no comportamento periódico das funções seno e cosseno. Os desempe- nhos dessas meta-heurísticas serão comparados via testes estatísticos não-paramétricos (NxN algoritmos),

os quais, são métodos livres de qualquer tipo de distribuição de dados, ou seja, diferentemente dos métodos paramétricos, não dependem dos requisitos de normalidade, homogeneidade da variância e independência dos dados. Dentro desses testes não-paramétricos foram aplicados dois procedimentos post-hoc: Nemenyi (1963) e Shaffer (1983), os quais auxiliam na comparação em pares (1x1) do grupo de meta-heurísticas. Além das meta-heurísticas mencionadas, outras duas formam o grupo de análise, JADE e LSHADE, que

utilizam técnicas auto-adaptativas dos parâmetros do DE. Os desempenhos dessas meta-heurísticas se- rão analisados mediante três estudos de caso: dois problemas de controle preditivo baseado em modelo, pêndulo invertido simples e attitude de satélites, e funções mono-objetivas com restrição de fronteira dacompetição CEC2017. Destes estudos de caso é retirada a mediana de 51 execuções de cada problema.

Nos problemas de controle preditivo os algoritmos MFO e GWO tiveram bons desempenhos. Neste tra- balho foram apresentadas três novas versões do GWO e uma do MFO que superaram o resultados de seus respectivos originais nos problemas de controle.