Algoritmo de otimização por distribuição normal generalizada (GNDO) para problemas de engenharia estrutural

Abstract

Problemas de otimização podem ser resolvidos por diversos métodos clássicos e/ou estocásticos. Para problemas onde os critérios de suavidade, diferenciabilidade e convexidade não podem ser assegurados de antemão, os métodos meta-heurísticos resultam, em geral, em melhores soluções. Entretanto diversos destes algoritmos necessitam de ajustes em seus parâmetros, o que pode demandar testes iniciais para descobrir qual a melhor combinação destes parâmetros para obter bons resultados. Neste ponto, um algoritmo que não precise da definição de parâmetros heurísticos se torna bastante atrativo. A proposta do GNDO (Generalized Normal Distribution Optimization) é de não ter parâmetros heurísticos, de forma que o próprio algoritmo os defina durante a otimização. Neste trabalho serão comparados alguns exemplos benchmark de treliças da literatura, utilizando-se o algoritmo GNDO e algumas outras meta-heurísticas, avaliando sua eficiência e robustez frente a múltiplas inicializações.

Optimization problems can be solved by several classical and/or stochastic methods. For problems where the criteria of smoothness, differentiability and convexity cannot be guaranteed in advance, metaheuristic methods usually result in better solutions. However, many of these algorithms require adjustments to their parameters, which may require initial tests to find out what is the best combination of these parameters to obtain good results. At this point, an algorithm that does not need heuristic parameter setting is very important. The proposal of Generalized Normal Distribution Optimization GNDO is not to have heuristic parameters, so that the algorithm itself defines them along the optimization process. In this paper, we will compare some benchmark examples of truss structures from literature using the GNDO algorithm and some other metaheuristics, evaluating its efficiency and robustness against multiple initializations.