As técnicas para melhorar a convergência dos algoritmos evolutivos objetivam evitar a convergência matura do método e acelerar a busca pela solução ótima.Assim, o conceito de pressão seletiva está no cerne do ajuste criterioso que deve ser feito nos operadores genéticos do algoritmo, para que este realize uma convergência eficiente e eficaz. Para tanto, várias técnicas existem, tais como o escalonamento, variação dinâmica de probabilidades, e a indução da formação de nichos. Aqui estudamos empiricamente o problema da convergência de algoritmos genéticos, na busca pelo ponto de mínimo global de algumas funções analíticas de teste n-dimensionais, através de uma técnica que passa pela transformação da expressão original uma outra, parametrizada por uma variável real k, cujo valor controla a pressão seletiva do processo evolutivo. Este parâmetro k pode ser então ajustado, ao longo da busca, segundo estratégias pré-definidas, inclusive podendo atuar de ma adaptativa. Avaliamos aqui a influência de várias estratégias de variação do parâmetro k na busca pelo mínimo global das funções de teste, comparando a eficácia e a robustez das diferentes estratégias resultantes.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados