Controle de inércia não monotônico na otimização por enxame de partículas

Resumo

Este trabalho apresenta um mecanismo que possibilita a redução das chances do processo de otimização de funções não lineares estacionarem em mínimos locais, ao utilizarem a meta-heurística Otimização por Enxame de Partículas (PSO). Tal mecanismo é uma forma não monotônica de controlar a inércia da partícula, que é um dos fatores responsáveis pela movimentação desta durante o processo de otimização. Os resultados experimentais foram comparados com o modelo original da PSO padrão, a fim de mostrar o potencial para encontrar uma melhor solução em funções de benchmark, em problemas complexos. Ao final, uma comparação de ambos os modelos aplicados a um problema real para a regulagem de pesos sinápticos de uma rede neural do tipo Multi-Layer Perceptron foi feita, e as PSOs, por se tratarem de técnicas de propósito geral, mostraram resultados interessantes.

Palavras-chave: inteligência de enxame, Otimização por Enxame de Partículas, vida artificial, rede neural artificial MLP.